《表3 在Film Trust数据集上的RMSE对比》

  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

《基于深度学习的欧几里得嵌入的推荐算法》

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

从表1—4可以发现：User KNN算法、MF算法和PMF算法的性能较差，这是由于传统协同过滤推荐算法存在的局限性，而EE算法和DEE算法的性能优于传统协同过滤推荐算法，说明将用户和物品嵌入到统一的隐藏特征空间是有效的。另外，本文提出的DEE算法性能优于传统的欧几里得嵌入模型，验证了本文利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数的有效性。在Movie Lens100K数据集和Film Trust数据集上，当K=16时，与对比算法中的最优RMSE结果对比，本文提出算法相比于传统算法，优化改进的幅度分别为2.04%和2.35%。