《表4 两种算法在MovieLens20m数据集上的性能》

  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

《基于动态加权Bagging矩阵分解的推荐系统模型》

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

实验中使用动态加权Bagging矩阵分解（Dynamic Weighted Bagging Matrix Factorization）的英文首字母缩写DWBMF来代指该算法.实验展示了DWBMF与MF在三个数据集上完成最大迭代次数后的性能表现，表2展示了在MovieLens1m数据集上的性能，表3和表4则分别为在MovieLens10m和MovieLens20m数据集上的性能，黑体字表示性能最优的数据.实验结果表明，本文提出的DWBMF模型在所有情况下都要优于MF模型.