《表4 SC-DCNN与C-DCNN的MSE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

《融合用户和商品评论的双通道CNN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

如表4所示，分别将C-DCNN和SC-DCNN应用在数据集Yelp，Amazon，Beer来对比两个模型的评分预测MSE。可以看出，C-DCNN在3个数据集上的平均MSE比SC-DCNN减少0.381。原因在于双通道的参数比单网络的参数多1倍，C-DCNN更能细致地捕获用户和物品的隐特征，而且双通道结构的Netu和Neti是并行结构，互不干扰，能够分别专注地提取用户和物品高级抽象的隐特征。最后通过额外的共享层将两个网络的隐特征信息映射到相同的特征空间，充分挖掘用户隐特征和物品隐特征的潜在亲和度，因而达到精准预测评分的效果。