基于信息增强对比学习的可信推荐模型研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在推荐系统中，用户行为数据通常存在高度稀疏性，并在对抗扰动下易导致性能下降，从而削弱结果可靠性。为此，提出一种信息增强的多样本对比学习方法，通过多视图表征与对比损失提升短序列行为的表征能力。在此基础上，进一步构建融合多任务学习与对抗训练的鲁棒推荐模型，引入自注意力机制提取扰动增强特征，并结合对抗对比损失与自适应损失权重提升抗扰性。（剩余152字）

试读结束

目录
monitor
客服机器人