计算机工程与科学

作者：李清风, 金柳, 马慧芳, 张若一

单位：（1.西北师范大学计算机科学与工程学院，甘肃 兰州 730070;2.中国交通信息科技集团有限公司，北京 100088）

关键词：协同过滤,对比学习,图神经网络,多行为推荐,

基金：国家自然科学基金(62167007,61762078,61363058)；西北师范大学青年教师能力提升计划(NWNULKQN2019-2)

多行为推荐（MBR）通常利用多种类型的用户交互行为（例如，浏览、添加购物车和购买）来学习用户对目标行为（即购买）的偏好。受到稀疏监督信号的影响，现有的MBR方法推荐性能欠佳。最近，对比学习从原始数据本身挖掘辅助监督信号取得成功，受此启发提出了一种双视图对比学习引导的方法来增强MBR。首先，利用多行为交互数据来构造2个能同时捕获局部和高阶结构的信息视图；然后，设计2个不同的视图编码器在上述互补视图上学习用户和项目的嵌入表示；最后，通过跨视图协同对比学习与相互监督从而学习到更好的嵌入表示。在2个真实数据集上的实验结果表明，本文方法明显优于基线方法。

来源：2024年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第4期