网络嵌入在推荐系统与信息扩散预测中的应用
1. 推荐系统实验分析
在基于位置的社交网络(LBSN)推荐系统中,进行了一系列实验来评估不同方法在朋友推荐和位置推荐任务上的性能。
1.1 朋友推荐实验结果
-
数据集与指标 :使用了Brightkite和Gowalla两个数据集,训练比例从20%到50%变化,采用R@5和R@10作为评估指标。
| 训练比例 | 指标(%) | DeepWalk | PMF | PTE | TADW | JNTM |
| — | — | — | — | — | — | — |
| 20% | R@5 | 2.3(Brightkite)/ 2.6(Gowalla) | 2.1(Brightkite)/ 1.7(Gowalla) | 1.5(Brightkite)/ 1.1(Gowalla) | 2.2(Brightkite)/ 2.1(Gowalla) | 3.7(Brightkite)/ 3.8(Gowalla) |
| 20% | R@10 | 3.8(Brightkite)/ 3.9(Gowalla) | 3.6(Brightkite)/ 2.4(Gowalla) | 2.5(Brightkite)/ 1.8(Gowalla) | 3.4(Brightkite)/ 3.1(Gowalla) | 6.0(Brightkite)/ 5.5(Gowalla) |
| 30% | R@5 | 3.9(Brightkite)/ 5.1(Gowalla) | 2.1(Brightkite)/ 1.8(Gowalla) | 3.8(Brightkite)
超级会员免费看
订阅专栏 解锁全文
853

被折叠的 条评论
为什么被折叠?



