《表5 消融研究的结果:一种基于个性化成对损失加权的新颖推荐》
表5显示了实验结果.从表中可知,仅考虑用户的偏好(“新颖匹配”),两个数据集的准确性都得到了提高.这意味着用户确实具有特定的新颖性区域,并且用户倾向于从该区域中选择项目.在“Novelty Scaling”中,它在HR和NDCG略有下降的情况下都促进了这两个数据集的新颖性.最后,“Full Model”在所有实验中均提供了最佳的L_Tail分数,并且具有具有竞争力的Nov分数.对于较小的数据集Citeulikea,“Full M odel”更喜欢新颖性,但代价是准确性更高.对于较大的数据集Pinterest,它给出的结果更加平衡.这些可能是由于在较小的数据集上过度拟合造成的.
图表编号 | XD00213650300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 唐晓凤、雷向东 |
绘制单位 | 永州职业技术学院医学技术学院、中南大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |