《表1 数据集信息：基于图神经网络的兴趣活动推荐算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图神经网络的兴趣活动推荐算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

作者从Liu等[1]提供数据集中截取洛杉矶、休斯敦和纽约的数据，选这3个城市的原因有两点：一是3个城市分别处于美国西部、中部以及东部；二是3个城市的数据集规模不同。按照Pham等[4]对数据预处理的方式，作者保留数据集中参加活动数大于等于5的用户和参与的用户数大于等于5的活动。为了验证DGNN-AR的性能，作者采用推荐系统中经常使用的“留一法”划分训练集和测试集[17]，训练集统计如表1所示。由于在测试过程中为每个用户排序所有活动所消耗的时间较多，因此作者采用He等[15]的方法，为每对用户-活动随机采样出99个这个用户没有参加的活动，对这100个测试活动排序。性能衡量指标使用命中率（Hit ratio，HR）和归一化折损累计增益（Normalized discounted cumulative gain，NDCG)[15]。对于测试集中的每对用户-活动，作者对匹配概率排在前10的测试活动计算HR和NDCG。基于不同的随机种子，DGNN-AR算法将被运行5次，然后统计其均值与不确定性。