《表1 推荐准确率的比较》

  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

《融合注意力机制的深度协同过滤推荐算法》

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

%

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。