16、图基推荐系统与运行时类生成算法研究

图基推荐系统与运行时类生成算法研究

在当今的技术领域，推荐系统和运行时类生成算法是两个备受关注的方向。推荐系统旨在为用户提供个性化的推荐，而运行时类生成算法则为智能系统的动态适应提供了可能。下面将详细探讨这两方面的内容。

1. 图基推荐系统方法对比

在推荐系统中，SIMLP 和 CORLP 方法是两种重要的算法。研究人员利用 Neumann 链接预测核，在 MovieLens 和 Hetrec 数据集上对这两种方法在命中率和覆盖率方面进行了比较。相关的 p 值分别在表 3 和表 4 中给出。

方法	命中率 p 值	覆盖率 p 值
SIMLP vs CORLP（Spearman 和调整余弦相似度）	显示无显著差异	显示有显著差异
SIMLP vs CORLP（其他相似度）	显示有显著差异	显示有显著差异

实验结果表明，除了 Spearman 和调整余弦相似度测量外，对于本研究中定义的每个相似度指标，假设 H1 都得到了支持。而在覆盖率方面，假设 H2 对于本文定义的每个相似度指标都得到了支持。

从实验数据来看，提出的 SIMLP 方法在 top - N 推荐任务中表现出更好的效率。基于 k 折结果，该方法比 CORL