论文｜AGREE-基于注意力机制的群组推荐( 四 ) _群组

实验采用的方法是：留一法（即交叉验证法），为了评估算法的效果，使用了两种指标来进行评估：
实验中超参数的设置：
为了验证算法的效果，和以下几种方法进行了对比：
AGREE和GREE的实验效果对比结果如下：
同时为了证明从数据集中学习聚合策略的有效性，和以下实验做了对比：
AGREE算法的有效性实验对比结果如下：
同时也拿AGREE和其变体（AGREE-U、AGREE-G）做了实验对比：
AGREE算法和其变体的实验效果对比结果如下：
同时也拿AGREE和冷启动的中一些算法进行了结果对比，这里冷启动的前提是用户已经加入了某群组，但是没有产生行为，实验结果如下：
综合来看， AGREE算法的效果是要比其他群组推荐算法好很多的。
4、代码解析
论文中也给出了代码的地址：
代码的环境是：
pytorch version: '0.3.0'python version: '3.5'
由于目前已经更新到1.4版本了，所以对代码进行了更新，更新后的repo库为：
运行代码，输出为：
【论文｜AGREE-基于注意力机制的群组推荐】num_group is: 290num_users is: 602num_items is: 7710AGREE 的Embedding 维度为: 32, 迭代次数为: 30, NDCG、HR评估选择topK: 5Iteration 0, loss is [1.0019 ]Iteration 0, loss is [0.9933 ]user and group training time is: [1201.2 s]User Iteration 0 [1203.3 s]: HR = 0.2133, NDCG = 0.1389, [2.2 s]Group Iteration 0 [1246.6 s]: HR = 0.1897, NDCG = 0.1229, [45.5 s]Iteration 1, loss is [0.9112 ]...