第九章算法列表、使用说明及运行结果1
需积分: 0 176 浏览量
2022-08-08
21:38:37
上传
评论
收藏 23KB DOCX 举报
获得参数说明，使用 python XXX.py --help
如 python userCF_rating.py –help
算法对应文件及数据集
算法名称
对应文件
数据集
最近最热门推荐算法
recentPopular.py
movie-lens 100k
基于时间的项目协同过滤
itemCF_TopN_Time.py
movie-lens 100k
基于时间的用户协同过滤
userCF_TopN_Time.py
movie-lens 100k
基于会话的协同过滤
itemCF_session.py
movie-lens 100k
基于会话的扩散
sessionSpreading.py
movie-lens 100k
基于统一转移矩阵的序列预测
Markov.py
data/trans.txt
基于个性化转移矩阵的序列预测
FPMC.py
data/trans.txt
基于循环神经网络的序列预测（RNN）
RNN.py
data/sample
基于循环神经网络的序列预测（LSTM）
LSTM.py
data/sample
基于循环神经网络的序列预测（GRU）
GRU.py
data/sample
基于空间信息的推荐：预过滤
LBSpre.py
data/poidata/Foursquare/mydata.txt
基于空间信息的推荐：后过滤
LBSpost.py
data/poidata/Foursquare/mydata.txt
基于空间信息的推荐：情景化建模
LBSmodel.py
data/poidata/Foursquare/mydata.txt
TopN 推荐算法运行结果
下表对应数据集为 movie-lens 100k
算法名
Precision
Recall
Coverage
最近最热门推荐算法
0.1567
0.0489
0.0434
基于时间的项目协同过滤
0.1700
0.0530
0.0933
基于时间的用户协同过滤
0.1856
0.0579
0.1546
基于会话的协同过滤
0.08419936
0.09178130
0.05410226
基于会话的扩散
0.06511135
0.07097445
=0.05410226
下表对应数据集为 data/trans.txt
评论0