《表1 推荐准确率的比较》
%
对于基于矩阵分解的框架,使用高斯分布随机初始化参数(均值为0,标准差为0.01),使用正则化对数损失对模型进行优化,正则化系数λ设为0。对于嵌入尺寸,将测试值设为8,16,32,64,根据softmax函数对注意力权重执行L1标准化,平滑指数γ和β应设置在[0,1],实验发现将γ和β同时取值为0.5时,HR和NDCG的表现最好,实验效果最佳。将注意力权重a设置为与每次的嵌入尺寸相同。首先,在MoiveLens 1M数据集下对本文提出的模型的推荐性能进行了测评,在“embedding size”等于16时,最终实验结果见表1。
图表编号 | XD0067434200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 王永贵、尚庚 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |