///标签13.

研究文章

一种改进和真实电影建议的神经网络启发方法

表13.

情绪分类模型的比较。


分类模型	IMDB.		yelp 2013.		yelp 2014.
分类模型	准确性	RMSE.	准确性	RMSE.	准确性	RMSE.

不使用用户和产品信息
多数	0.196	2.495	0.411	1.060	0.392	1.097
樱桃	0.399	1.783	0.569	0.814.	0.577	0.804
文本功能	0.402	1.793	0.556	0.845	0.572	0.800
avgwordvec + svm.	0.304	1.985	0.526	0.898	0.530.	0.893
SSWE + SVM	0.312	1.973	0.549	0.849	0.557	0.851
段矢量	0.341	1.814.	0.554	0.832	0.564	0.802
rntn +经常性	0.400	1.764	0.574	0.804	0.582	0.821
CNN和没有UP（UPNN）	0.405	1.629	0.577	0.812	0.585	0.808
NSC.	0.443	1.465	0.627	0.701	0.637	0.686
NSC.+LA.	0.487	1.381	0.631	0.706	0.630	0.715

使用用户和产品信息
Trigram + UPF.	0.404	1.764	0.570.	0.803	0.576	0.789
文本功能+ UPF	0.402	1.774	0.561	1.822	0.579	0.791
杰马尔	N / A.	1.773	N / A.	0.985	N / A.	0.999.
Upnn（CNN）	0.435	1.602	0.596	0.784	0.608	0.764
upnn（nsc）	0.471	1.443	0.631	0.702	N / A.	N / A.
NSC.+乌玛	0.533	1.281	0.650	0.692	0.667	0.654

年度奖项：由我们的首席编辑所选的2020年突出的研究捐款。阅读获奖物品。