《表2 DGNN-AR中的参数取值》
由于Qiao等[2]代码未公开,作者选择他们使用的BPR[8]作为对比算法。对比算法Here RS[4]和本文的目标一致,都是在EBSNs环境中为用户推荐活动。GC-MC[13]和NGCF[14]同为使用图神经网络提取节点嵌入式表示,然后用于传统推荐环境,因此也作为对比算法。所有对比算法均采用原论文中推荐的参数设置。作者使用Py Torch实现DGNN-AR算法。通过网格搜索的调参方法确定DGNN-AR的参数值,如表2所示。
图表编号 | XD00197070400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 魏晓辉、孙冰怡、崔佳旭 |
绘制单位 | 吉林大学计算机科学与技术学院、吉林大学符号计算与知识工程教育部重点实验室、吉林大学计算机科学与技术学院、吉林大学符号计算与知识工程教育部重点实验室、吉林大学计算机科学与技术学院、吉林大学符号计算与知识工程教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |