Page 414 - 《软件学报》2024年第6期
P. 414
2990 软件学报 2024 年第 35 卷第 6 期
注点过于分散, 使得模型很难侧重于某些具体的项目, 会很大程度上降低推荐的准确率; CTN 过小会导致推荐的
关注点太过于集中, 模型很容易因为某次推荐的偏差过大, 而导致整个推荐结果表现不佳, 模型的稳定性会大幅降
低. 因此, CTN 决定了模型的稳定性. 实验中的 CTN 值设置为{1, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60}, 各指
标值随 CTN 的变化趋势如图 8 所示.
0.25 0.25
0.20 0.20
指标值 0.15 指标值 0.15
0.10
0.10
0.05 0.05
0 0
1 3 5 7 9 11 13 15 17 19 21 23 25 1 3 5 7 9 11 13 15 17 19 21 23 25
(a) 在 Last.fm 上的实验结果 (b) 在 Douban 上的实验结果
0.08 0.35
0.07 0.30
0.06
0.05
指标值 0.04 指标值 0.25
0.20
0.15
0.03
0.02 0.10
0.01 0.05
0 0
1 3 5 7 9 11 13 15 17 19 21 23 25 1 3 5 7 9 11 13 15 17 19 21 23 25
(c) 在 Yelp 上的实验结果 (d) 在 MovieLens 上的实验结果
Precision Recall NDCG
图 7 周期间隔数的影响对比
0.25 0.25
0.20 0.20
指标值 0.15 Precision
0.15
指标值
0.10
0.10
0.05 0.05
0 0
1 5 10 15 20 25 30 35 40 45 50 55 60 1 5 10 15 20 25 30 35 40 45 50 55 60
(a) 在 Last.fm 上的实验结果 (b) 在 Douban 上的实验结果
0.12 0.35
0.10 0.30
0.25
0.08
指标值 0.06 指标值 0.20
0.15
0.04
0.02 0.10
0.05
0 0
1 5 10 15 20 25 30 35 40 45 50 55 60 1 5 10 15 20 25 30 35 40 45 50 55 60
(c) 在 Yelp 上的实验结果 (d) 在 MovieLens 上的实验结果
Recall NDCG
图 8 潜在项目类型数的影响对比
由图 8 可知, 随着 CTN 增大, 模型 LG_APIF 在不同数据集下的表现存在较明显差异: 在 Last.fm 中, CTN 取
40 时, Recall 和 NDCG 值均达到最大值, Precision 值在区间 [35, 45] 变化不大; 在 Douban 中, Precision 和 NDCG
值在区间 [35, 45] 波动不大, 且 Recall 值在 TPN 取 35 时, 达到最大值; 在 Yelp 中, Precision 和 NDCG 值在区间
[10, 20] 相差甚微, Recall 值虽在 CTN 取 30 时, 取得最大值, 但其他两项指标值均大打折扣, 明显低于最优值; 在
MovieLens 中, TPN 取 25 时, Precision 值和 NDCG 值均取得最大值, Recall 值在区间 [15, 25] 变化不大.