Page 198 - 《软件学报》2021年第12期

3862 Journal of Software 软件学报 Vol.32, No.12, December 2021

上,FWD 算法的 MAE 值最大,推荐效果最差,而 AFD 算法 MAE 值比 FD 算法平均误差减少了约 20%.在 Level2
数据集上,FD 和 FDIN 算法 MAE 结果近似,而 AFD 算法比以上两种算法平均误差减少了约 17%.同时,AFD 在
4 台设备中均取得了最好的结果,表明 AFD 相对于其他 3 种基准算法推荐性能表现最佳.

(a) Movielens (b) Level2
Fig.2 ACC on different datasets
图 2 不同数据集下的 ACC
Table 5 MAE on Movielens and Level2 datasets
表 5 Movielens 和 Level2 数据集下的 MAE
数据集 算法 设备A 设备B 设备C 设备D Global-MAE
AFD+CNN 0.15 0.23 0.20 0.17 0.19
FD+CNN 0.18 0.27 0.26 0.23 0.24
Movielens
FWD 0.24 0.33 0.31 0.28 0.29
FDIN 0.16 0.25 0.22 0.21 0.21
AFD+CNN 0.09 0.17 0.15 0.14 0.14
FD+CNN 0.12 0.23 0.17 0.15 0.17
Level2
FWD 0.15 0.27 0.24 0.17 0.21
FDIN 0.10 0.21 0.18 0.16 0.16
由图 3 可以看出:使用 NDCG@5 作为评价指标,AFD 算法在 4 台设备上的 NDCG 值均高于其他 3 种基准
模型.其中,在 Movielens 数据集上,AFD 的 NDCG 平均值达到 0.92,FWD 的 NDCG 平均值为 0.82,FD 和 FDIN
的 NDCG 平均值接近(约为 0.85).AFD 比以上两种算法 NDCG 值提升了约 8%;在 Level2 数据集上,AFD 的
NDCG 平均值在 0.96,FWD 的 NDCG 平均值在 0.85,FD 和 FDIN 的 NDCG 平均值在 0.87.AFD 比以上两种算法
NDCG 值提升了 10%.

(a) Movielens (b) Level2
Fig.3 NDCG on different datasets
图 3 不同数据集下的 NDCG
由图 4 可以看出,AFD 算法 AUC 值均高于基准算法.其中,在 Movielens 数据集上,AFD 算法的 AUC 为 0.78;