跨视图的用户多行为对比推荐模型

作     者：吴瑕 王绍卿 张尧 WU Xia;WANG Shaoqing;ZHANG Yao

作者机构：山东理工大学计算机科学与技术学院山东淄博255000 

基　　金：山东省自然科学基金(ZR2020MF147 ZR2021MF017) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2025年第61卷第6期

页      码：244-253页

摘      要：传统推荐模型往往难以充分挖掘和利用用户多行为数据中的差异性与关联性,导致次优的推荐性能。目前多行为推荐面临两个主要的挑战:(1)如何在项目级别上解耦行为,更好地分离出行为间的一致性和差异性信号;(2)如何更好地增强行为差异性和一致性兴趣。为此,提出了跨视图的用户多行为对比推荐模型(CVCM),分解用户多行为兴趣,通过用户的不同行为兴趣视图和不同用户的特定行为兴趣进行对比学习。通过用户兴趣分解器,从多行为交互信息中分离出行为特定兴趣和行为无关兴趣。设计跨视图对比学习模块,通过对比同一用户的原始视图和加权转换后视图达到增强行为差异性的目的。通过多用户对比学习模块,来提取不同行为之间的一致性特征。在三个真实数据集Rec-Tmall、Taobao和Beibei上评估结果显示,与最佳基线相比,三个数据集的NDCG@10的提升度分别为13.99%、4.98%、17.23%。

主 题 词：多行为推荐 多行为兴趣 对比学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2406-0357

馆 藏 号：203157961...