《表3 方差分析:基于多属性评分隐表征学习的群组推荐算法》
为了分析GMURec、GMIRec算法的性能,本文选择5个算法作为对比算法,如表3所示。ATTGRec[36]是一个融合了注意力机制和神经协同过滤网络的群组推荐算法。LP算法[22]是一个典型的单属性群组推荐算法,采用最小痛苦策略对群组偏好进行聚合,没有考虑用户对各个属性的偏好,只考虑用户对项目的整体偏好。Promo Rec算法[37]是一个典型的多属性群组推荐算法,它通过在稀疏数据中探索群体的偏好提高推荐性能,该算法是与本文算法最接近的比较算法。PCCCF算法[51]是一个典型的基于协同过滤的多属性算法,该算法采用Pearson相关系数寻找相似邻居。Hy CF算法[56]是一个最新的面向个体用户的协同过滤多属性推荐算法,该算法采用一种混合的相似度寻找相似邻居。PCCCF和Hy CF算法需要设定邻居数目,本文将其设置为10(也是这些算法所在文献的最优值)。
图表编号 | XD00211268800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 张纯金、郭盛辉、纪淑娟、杨伟、伊磊 |
绘制单位 | 山东科技大学网络安全与信息化办公室、山东省智慧矿山信息技术重点实验室(山东科技大学)、山东省智慧矿山信息技术重点实验室(山东科技大学)、山东省智慧矿山信息技术重点实验室(山东科技大学)、山东省智慧矿山信息技术重点实验室(山东科技大学) |
更多格式 | 高清、无水印(增值服务) |