《表3 5种方法的详细NDCG值》
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.
图表编号 | XD0096848400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 任其、李兵、王健、赵玉琦、熊燚铭 |
绘制单位 | 武汉大学计算机学院、武汉大学计算机学院、武汉大学复杂网络研究中心、武汉大学计算机学院、武汉大学计算机学院、武汉大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |