《表3 与前人工作MAP值的比较》
/%
为了验证本文偏好推荐算法的有效性,本文计算了MAP值,并与当前的工作进行了比较,如表3所示。Zomahcun等人[8]通过使用Galois点阵和紧急语义信息以通过找到相关用户之间的相似性来确定最终推荐列表,计算了向用户推荐20张的MAP值(67.23%)。Liu等人[9]通过使用图像内容的稀疏主题建模和经典的概率矩阵分解得到图像的有用信息,计算了向用户推荐5张的MAP值(62.32%)、10张的MAP值(56.56%)以及20张的MAP值(54.62%)。Li等人[21]通过使用不同的方法,计算向用户推荐5张图像的MAP值,并取得了较好的精度(75.0%)。本文的偏好推荐算法在向用户推荐5张的MAP值为76.9%,与文献[8,9,21]的MAP相比均有提高;推荐10张的MAP值与文献[9]实验结果相比仍有较大的提高;推荐20张的MAP值较文献[8,9]实验结果同样有很大提高。同时还与文献[26]作了比较,如表3中数据可见,本文算法的MAP值比对比算法的MAP值均有提高。综合比较不同推荐数量的MAP值,发现推荐数量为5时MAP值是最高的,故向用户推荐5张图像时可以取得最好的推荐效果。
图表编号 | XD003919400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 许永波、苏士美、樊隆庆 |
绘制单位 | 郑州大学电气工程学院、郑州大学电气工程学院、郑州大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |