1. dkn, user dim:[8,16],neighborsize[8,16],neighbor_size和user dim一样,或者user dim 大于neighbor_size
2. ave.用dkn得到好结果的参数直接实验
3. dkn, transform(entity--->entity), (entitiy-128)
4.以上的前提是hidden_1_2,尝试hidden_1,因为很多时候hidden_1用对了参数,1)很快收敛;2)结果会很好。
5.hidden_1的实验,user_dim可以扭转乾坤,从8到16会出现巨大的变化。
6. self.param加上tf.dense_layers的weights和_kcnn的filter之后的结果。
epoch控制在10个以内。
网友评论