《表3 5种方法的详细NDCG值》

  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

《一种面向移动应用开发的第三方库混合推荐方法》

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

我们发现，在利用贝叶斯混合推荐方法进行基于内容的推荐时，挖掘到的相似移动应用的数量N对最终的推荐结果有着一定的影响，当设置的相似app数量较少时，会导致推荐结果不够完整，而当我们将N设置较大时则会产生一些相关性不大的推荐结果．所以，设置适当的N的大小对我们的工作来说是有必要的．为了研究N的大小对推荐结果的影响，我们将N的范围设置为20到120，步长为20．如图5和图6所示，当N从20增加到60时，NDCG和MAP值都相应增加．但是当N从60增加到120时，两种度量指标都几乎没什么变化或者说在某个值附近浮动，这是因为排名越靠后的移动应用有着越小的影响因子，当这个排名值达到某个临界点时，后面的推荐结果几乎不影响整体的推荐性能．由此可以得出，在我们的贝叶斯混合推荐系统中，当推荐的移动应用数量N不大于60时，推荐性能会随着N的增加而增强；然而当N继续增加时，推荐系统基本趋于稳定．