Schwarmintelligenz und evolutionäre Algorithmen in ...

6.5 Diskussion der experimentellen Resultate
(inklusive der Variante mit ES Mutation) und IWOREC ergeben sich hier keine Veränderungen.
Reduzierung von Features Anhand der Ergebnisse für Benutzer 19, der relativ stabile Gewichte
bei Verwendung aller Features gezeigt hat, zeigt sich auf dem angepassten Datensatz,
dass das Entfernen von Feature “Alter” keine merklichen Veränderungen ergibt. Ebenso beim
Geschlecht, wobei hier die Varianz der einzelnen Läufe pro Feature geringer wurde. Es kann
überhaupt kein festes Gewicht mehr ausgemacht werden, wenn alle demografischen Features
ausgeblendet werden. Wenn nur Genres fehlen, ist eine mittlere Stabilität der Gewichte zu
beobachten.
Benutzer 12, für den in Abbildung 5.8 kein festes Gewicht gefunden werden konnte, zeigt
durch die Reduzierung von Features folgendes Verhalten: Entfernen des Alters ergibt keinen
Unterschied. Wenn Feature “Geschlecht” entfernt wird, verschlechtert sich die Stabilität, die
demografischen Features sind weniger klar von den Genres getrennt wie zuvor. Das selbe gilt
logischerweise für das komplette entfernen der demografischen Features. Wenn die Genres
entfernen werden, kann eine Tendenz gegen das Feature Beruf ausgemacht werden.
Für die Reduzierung an diesen zwei exemplarischen Benutzern kann man erkennen, dass das
entfernen von Features keine deutliche Verbesserung der Gewichtsstabilität mit sich bringt.
Sie wird eher verschlechtert, wenn komplette Featuresätze wie die demografischen Features
entfernt werden.
Auswirkungen von Velocity Clamping und Trägheitsgewichten Eine Untersuchung der
verschiedenen Methoden auf dem PSOREC Algorithmus haben ergeben, dass die Wahl der
Berechnung keine messbare Auswirkung hat. Wenn weder Velocity Clamping (VC) noch Trägheitsgewichte
(TG) eingesetzt werden, ist jedoch eine Verschlechterung des mittleren absoluten
Fehlers messbar, siehe Tabelle 5.7.
In Abbildung 5.15 ist der Verlauf des mittleren MAE über 50 unabhängige Läufe für die
ersten 20 Benutzer aufgezeigt. Im Mittel ist zu sehen, dass alle Ansätze mit VC und TG
nahezu ähnliche Werte liefern. Daher ist anzunehmen, dass es keine Auswirkung auf die
Qualität der Empfehlungen des Recommenders hat, auf welche Weise man das Trägheitsgewicht
berechnet. Die zugrunde liegende Fitnesslandschaft scheint die positiven Effekte eines
Trägheitsgewicht wieder auszugleichen.
Random Resetting Die beiden untersuchten Varianten des Random Resetting haben, siehe
Abbildung 5.16, haben keine Verbesserung im mittleren absoluten Fehler erbracht. Dies hat
auch der statistische Test ergeben, man kann einen Unterschied zwischen den Stichproben
ausmachen.
Es wurde exemplarisch Benutzer 12 ausgewählt, der in Abbildung 5.8 keinen festen Gewichtsvektor
finden konnte. Die Untersuchung der Gewichtsstabilität zeigt, siehe Abbildung 5.17,
dass wenn kein Random Resetting verwendet wird, die Gewichte leicht instabiler sind als mit
97