文件名称：提出的图-deep facial expression recognition a survey
文件大小：7.69MB
文件格式：PDF
更新时间：2024-06-23 13:17:17
动态推荐系统 关键技术研究
节点(α = 0)，那么SGM又被称为USGM。USGM也就是第四章提出的图 模型。此外本节还对比了只考虑物品时间段节点的ISGM模型(β = 0)。 • Pop：最后，本节对比了一个最简单的非个性化推荐算法Pop，该算法给 用户推荐每天最热门的物品。 5.4.4 实实实验验验结结结果果果 我们在5个数据集中对前面提到的8个不同的算法进行了测试，并画出了它 们的准确率/召回率曲线(见图5.4,5.7,5.8,5.5,5.6)。同时，表5.4 也列出了8个算 法在推荐列表长度为20时的召回率(Recall@20)。下面几节将对实验结果进行详 细的分析。 5.4.4.1 时时时间间间数数数据据据对对对推推推荐荐荐准准准确确确度度度的的的影影影响响响 很多研究[26, 45, 86] 都表明利用时间信息能够提高推荐结果的准确性。前 几章的实验结果也证明了这一点。本节再次对比一下时间相关的推荐和时间 无关推荐的准确度。如表5.4和图5.4,5.7,5.8,5.5,5.6 所示，在5个不同的数据集 上，6个时间相关的算法(TUserCF, TItemCF, POP, USGM, ISGM, SGM)的准 确度都高于2个时间无关算法(UserCF,ItemCF)的准确度。在利用时间信息后， 即使是非个性化推荐算法Pop的准确度也优于两个时间无关的算法。如图表所