计算智能和神经科学
研究文章

会话基于上下文感知推荐模型和神经网络封闭图

表2

性能比较不同模型的两个数据集(%)。
方法 Yoochoose1/64 Yoochoose1/4 Diginetica
P@20 MRR@20 P@20 MRR@20 P@20 MRR@20
流行 6.71 1.65 1.33 0.30 0.89 0.23
年代的流行 30.44 18.35 27.08 17.75 21.06 13.68
BPR-MF 31.31 12.08 3.40 1.57 5.24 1.98
Item-KNN 51.60 21.81 52.31 21.70 35.75 11.57
FPMC 45.62 15.01 - - - - - - - - - - - - 26.53 6.95
GRU4REC 60.64 22.89 59.53 22.60 29.45 8.33
NARM 68.32 28.63 69.73 29.23 49.70 16.17
邮票 68.74 29.67 70.44 30.00 45.64 14.32
SR-GNN 69.53 30.41 70.90 30.43 49.70 16.31
CA-GGNN 70.84 31.83 72.93 32.91 51.12 18.48
改善 1.31 1.42 2.03 2.48 1.42 2.17
大胆的实验结果显示模型在本文提出。FPMC Yoochoose1/4数据集实验结果没有公布,因为FPMC模型由于内存不足无法初始化。