基于稳定学习的多兴趣序列推荐网络OA北大核心CSTPCD
Sequential Recommendation of Multi-Interest Network Based on Stable Learning
多兴趣网络以多个表示向量来提取用户多个兴趣,在序列推荐中展现了优秀的表现.然而,用户多个兴趣通常高度相关,模型可能学习到噪声兴趣与目标物品之间的虚假相关性.一旦数据分布变化,兴趣之间的相关性也会改变,虚假相关性将误导模型做出错误预测.为了缓解这个问题,本文提出了一种新的基于稳定学习的多兴趣网络,试图消除模型提取的兴趣之间的相关性,来避免模型捕获虚假相关性.本文采用注意力模块提取多个兴趣,并选择最重要的兴趣进行最终预测.同时,基于独立性准则对训练样…查看全部>>
Multi-interest models,which extract interests of a user as multiple representation vectors,have shown promising perfor-mances for sequential recommendation.However,considering that multiple interests of a user are usually highly correlated,the mod-el has chance to learn spurious correlations between noisy interests and target items.Once the data distribution changes,the correla-tions among interests may also change,and the spurious correlations will mislead …查看全部>>
刘昭呈;朱振熙;刘强
北京达佳互联信息技术有限公司,北京 100000北京达佳互联信息技术有限公司,北京 100000中国科学院自动化研究所 多模态人工智能系统国家重点实验室,北京 100000
计算机与自动化
神经网络信息检索推荐系统
neural networksinformation retrievalrecommendation system
《山西大学学报（自然科学版）》 2024 (3)
471-480,10
国家自然科学基金(62206291)
评论