《表3 与baseline的对比数据》
为了进一步验证本文提出的HNRST算法,将与baseline中的六种算法进行实验对比并进行分析,结果如表3所示。从表3的两个数据集中可以看出,在P@50、MRR和NDCG@20评价指标下,HNRST算法的结果明显优于CBNR、NRSCF、UMTPNR和CFRSNI算法。不论其中是否融入社交信息,效果都不如前者。这是因为前者使用的是基于内容和协同过滤的混合推荐算法,而后者使用的是单个推荐算法。混合推荐算法不仅可以缓解基于内容推荐的多样性问题,而且解决了协同过滤的冷启动和数据变少问题。此处的数据变少是指推荐的范围变大,无用的数据却变多。因此将两者整合大大提高了算法的性能。
图表编号 | XD00198106200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.05 |
作者 | 夏鸿斌、刘春芹、刘渊 |
绘制单位 | 江南大学数字媒体学院、江苏省媒体设计与软件技术重点实验室、江南大学数字媒体学院、江南大学数字媒体学院、江苏省媒体设计与软件技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |