《表4 Douban Book数据集上的Top-10推荐结果》
表3、表4、表5和表6分别记录了ABNE和其他对比方法在4个数据集上的实验性能。结果显示,本文算法ABNE明显优于为同质网络设计的3种模型,证明了同质网络上的表示学习算法并不适用于二分网络。此外,本文方法ABNE在Yelp数据集、Douban Book数据集和Douban Movie数据集上的性能均优于仅利用网络拓扑结构的Bi NE算法,且在Yelp和Douban Book数据集上的改进更为明显,在边密集的Movielens数据集上,ABNE的MRR值较Bi NE提高了5.09个百分点,其他3个指标略低于Bi NE。显然,本文的模型显著地改进了拓扑结构稀疏的二分网络上的推荐结果。
图表编号 | XD00204322700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 赵雪莉、卢光跃、吕少卿、张潘 |
绘制单位 | 西安邮电大学通信与信息工程学院、西安邮电大学陕西省信息通信网络及安全重点实验室、西安邮电大学通信与信息工程学院、西安邮电大学陕西省信息通信网络及安全重点实验室、西安邮电大学通信与信息工程学院、西安邮电大学陕西省信息通信网络及安全重点实验室、西安邮电大学通信与信息工程学院、西安邮电大学陕西省信息通信网络及安全重点实验室 |
更多格式 | 高清、无水印(增值服务) |