جدول پیوندها
چکیده و 1 مقدمه
- روش شناسی
- آزمایشات
- نتیجه گیری و منابع
3 آزمایشات
در این بخش ، ما آزمایش های آفلاین گسترده ای را انجام می دهیم[1] و آزمایش آنلاین A/B برای اثبات اثربخشی DML.
3.1 تنظیمات آزمایشی برای داده های عمومی
مجموعه داده های 3.1.1. ما روشهای خود را در دو مجموعه داده عمومی ارزیابی می کنیم.
• Movielens-1M[8]: یکی از مجموعه داده های Movielens که در حال حاضر منتشر شده است ، که شامل 1 میلیون رتبه بندی فیلم از 6،040 کاربر در 3،416 فیلم است.
• وابسته به آمازون[14]: مجموعه ای از مجموعه داده های متشکل از بررسی محصولات از Amazon.com. ما از زیر گروه “الکترونیک” استفاده می کنیم که شامل 1.7 میلیون بررسی از 192403 کاربر در 63،001 مورد است.
برای ML-1M ، ما وظیفه طبقه بندی باینری پیش بینی رتبه مثبت (= 4) و وظیفه رگرسیون تخمین رتبه بندی را معرفی می کنیم. این دو کار کاملاً با همبستگی دارند. برای الکترونیک ، زیر [20]، ما ابتدا با نمونه گیری از موارد بدون رتبه بندی شده برای هر کاربر ، مجموعه داده ها را تقویت می کنیم. علاوه بر این ، ما اطمینان حاصل می کنیم که تعداد موارد غیرقانونی برابر با تعداد موارد رتبه بندی شده برای هر کاربر است. علاوه بر این ، ما دو وظیفه طبقه بندی باینری را معرفی می کنیم ، یعنی پیش بینی رتبه بندی (چه رتبه ای وجود داشته باشد) و پیش بینی امتیاز مثبت. در مقایسه با وظایف ML-1M ، انتقال منفی به احتمال زیاد به عنوان …