《表4 模型Top-N推荐对比》
提示：宽带有限、当前游客访问压缩模式
取推荐列表长度N为10，从表4数据中可以看出，Top-N推荐中，相比于其它算法，本文所提FGx＿Deep算法的召回率、精准率和F值指标均有明显提升，推荐效果最优。
| 图表编号 | XD00206681600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.16 |
| 作者 | 余梦梦、孙自强 |
| 绘制单位 | 华东理工大学化工过程先进控制和优化技术教育部重点实验室、华东理工大学化工过程先进控制和优化技术教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
![表2 猪主要氨基酸模型和推荐[4]](http://bookimg.mtoou.info/tubiao/gif/TJXM202011015_06800.gif)
相关图表
- 《表1 流量TOP-N动态过滤表》2020.12.10
- 《表2 猪主要氨基酸模型和推荐[4]》2020.11.25
- 《表7 2种模型的推荐结果对比》2020.11.25
- 《表6 SPT算法在Top-N不同取值时的性能比较》2020.05.25
- 《表3 推荐方法对比：基于Labeled-LDA模型的在线医疗专家推荐研究》2020.04.25
- 《表3 推荐算法误差对比：基于ALS模型协同过滤推荐算法的研究》2020.06.28
- 《表6 结果对比：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表2 不同算法Top-N推荐的Recall》2020.09.01
- 《表4 运动推荐模型中个体实例数据的作用》2020.09.01
- 《表1 推荐召回率对比：基于用户行为分析和LDA模型的数字媒体推荐系统的设计与实现》2020.04.01
- 《表3 模型结果对比：基于离散选择模型的推荐系统改进算法》2020.02.20
- 《表4 维度大小的影响：基于物品的统一推荐模型》2020.02.10
- 《表4 本文推荐模型与单个元路径或元结构推荐精确度对比》2020.02.01
- 《表4 本文推荐模型与现有模型的剥离承载力Pu比对分析》2019.12.20
- 《表7 对比实验F1值：基于RFMQ模型的零售企业个性化推荐模型与应用研究》2019.08.28
- 《表2 对比实验结果：面向跨语言文本分类与标签推荐的带标签双语主题模型的研究》2019.10.01
- 《表4 模型效果对比：基于网络表示学习的科研合作推荐研究》2019.05.24
- 《表5 检索top-n准确率对比》2019.02.16
- 《表1:不同数据集下两种模型推荐精确度对比》2018.10.01
- 《表7 预测评分对比：基于用户偏好优化模型的推荐算法研究》2019.12.01