-
图 1 基于混合神经网络矩阵分解的兴趣点推荐模型
Figure 1.
-
图 2 MFM-HNN模型基于LA数据集和NYC数据集与其他4个模型的推荐性能对比
Figure 2.
-
图 3 基于LA和NYC数据集的5个初始化方法的性能对比
Figure 3.
-
图 4 MFM-HNN模型基于LA数据集和NYC数据集在不同层数的性能对比
Figure 4.
-
输入：${{{x}}_i},{{{S}}^u},{{{S}}^v},{{\tilde{{S}}}^u},{{\tilde{{S}}}^v},T,B$ 输出：${\cal{L}}$ (1) For $t < $T Do (2) 从兴趣点评论中随机选取一个兴趣点的评论矩阵${{{x}}_i}$进行训练， 训练批次大小为${\beta _0}$，每一个批次的大小为$B$，计算训练过程 中的损失${{\cal{L}}_{\rm{cnn}}}$ (3) if $t > $T or ${{\cal{L}}_{\rm{cnn}}}$足够小 (4) end (5) for $t < $T Do (6) 从兴趣点评分中随机选取一个兴趣点的用户-兴趣点对$({\tilde{{s}}}_i^u,{\tilde{{s}}}_i^v)$ 进行训练，训练批次大小为${\beta _1}$，每一个批次的大小为$B$，计算 训练过程中的损失${{\cal{L}}_{\rm{ui}}}$ (7) if $t > $T or ${{\cal{L}}_{\rm{ui}}}$足够小 (8) end (9) 计算最终的损失值${\cal{L}} = {{\cal{L}}_{\rm{cnn}}} + {{\cal{L}}_{\rm{ui}}}$ (10) return ${\cal{L}}$ 表 1 MFM-HNN模型学习算法
-
数据统计 LA NYC 用户数量 30,208 47,240 兴趣点数量 142,798 203,765 签到数量(评论) 244,861 388,954 用户-位置矩阵密度 5.68×10–5 4.04×10–5 表 2 数据集统计
图共
4 个 表共
2 个
