《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多属性评分隐表征学习的群组推荐算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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）。