基于反向延长增强的对抗生成网络推荐算法OA北大核心CSTPCD
Generative adversarial network recommendation based on reverse extension enhancement
针对现有序列推荐模型因数据稀疏性严重难以达到最优性能的问题,提出了一种基于反向延长增强的生成对抗网络推荐算法.该方法通过对交互序列进行延长增强来获取高质量的训练数据,以缓解数据稀疏性带来的模型训练不充分的问题.首先,使用伪先验项将项目序列进行反向延长,深化项目序列特征;其次,延长增强的对象由短序列更改为所有用户序列,充分挖掘长序列中富含的上下文信息,缓解了增广序列中伪先验项占比过大而带来的噪声问题;最后,使用共享项目嵌入的生成对抗网络,通过判别器…查看全部>>
Addressing the challenge of suboptimal performance in existing sequential recommendation models due to severe data sparsity,this paper proposed a generative adversarial network recommendation algorithm based on reverse extension en-hancement.The approach extended and enhanced interaction sequences to obtain high-quality training data,mitigating the is-sue of insufficient model training caused by data sparsity.Firstly,it extended the project sequences backwar…查看全部>>
张文龙;孙福振;吴相帅;李鹏程;王绍卿
山东理工大学计算机科学与技术学院,山东淄博 255049山东理工大学计算机科学与技术学院,山东淄博 255049山东理工大学计算机科学与技术学院,山东淄博 255049山东理工大学计算机科学与技术学院,山东淄博 255049山东理工大学计算机科学与技术学院,山东淄博 255049
计算机与自动化
推荐系统反向延长增强生成对抗网络序列推荐自注意力网络
recommendation systemreverse extension enhancementgenerative adversarial networkssequential recommen-dationself-attention networks
《计算机应用研究》 2024 (7)
2033-2038,6
国家自然科学基金项目(61841602)山东省自然科学基金项目(ZR2020MF147)
评论