《表4 训练集占数据集ML-10 m不同比例下的均方根误差表》

  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

《改进矩阵分解与卷积神经网络结合的推荐模型》

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

本文还在ML-10 m数据集中，针对训练集占整个数据集的多种比例情况进行了实验，表3和图4说明本文提出的基于改进矩阵分解与跨通道卷积神经网络结合的推荐模型在各种稀疏数据集中的预测性能比CDL、CTR、PMF和MF&CNN要好。从表4易知，当数据密度从20%增至80%时，本文模型相对于PMF从4.07%提升至9.72%；相对于CTR从4.67%提升至11.85%；相对于CDL从2.67%提升至9.36%；相对于MF&CNN从1.48%提升至2.89%。这说明跨通道卷积神经网络比传统的卷积神经网络对文本有更高的识别率。建立改进卷积神经网络对用户关于项目的评价文字信息进行识别，将得到的特征值与改进矩阵分解进行结合，由表3可知，在三个数据集上，本模型比PMF预测性能分别提高4.68%、12.16%和1.77%。这说明改进的卷积神经网络已经很好地整合到改进矩阵分解中，并且本文用于实验的三个数据集稀疏度差异较为明显，其结果从侧面也验证了本文提出的改进模型具有很好的泛化能力。