Exploiting feature extraction techniques on users’ reviews for movies recommendation

Journal of the Brazilian Computer Society

Table 6 The average prec@10 and MAP results for the feature extraction techniques applied in both databases

		k = 20		k = 40		k = 60		k = 80		k = 100
		prec@10	MAP	prec@10	MAP	prec@10	MAP	prec@10	MAP	prec@10	MAP
ML-100k	Heuristic terms	0.1041	0.0656	0.1059	0.0671	0.1021	0.0673	0.1039	0.0675	0.1024	0.0676
	Classification terms	0.1043	0.0658	0.1051	0.0671	0.1044	0.0675	0.1048	0.0676	0.1042	0.0677
	Heuristic aspects	0.0951	0.0597	0.0956	0.0604	0.0947	0.0601	0.0950	0.0597	0.0946	0.0594
	Hierarchy aspects	0.0997	0.0643	0.0977	0.0647	0.0993	0.0642	0.0979	0.0637	0.0979	0.0633
HetRec ML	Heuristic terms	0.1057	0.0256	0.1105	0.0270	0.1144	0.0277	0.1160	0.0271	0.1174	0.0273
	Classification terms	0.1047	0.0258	0.1125	0.0274	0.1159	0.0280	0.1169	0.0270	0.1180	0.0273
	Heuristic aspects	0.0910	0.0219	0.0991	0.0237	0.1038	0.0246	0.1053	0.0250	0.1054	0.0252
	Hierarchy aspects	0.1062	0.0242	0.1060	0.0262	0.1105	0.0272	0.1143	0.0277	0.1159	0.0260