-
题名一种面向在线交易场景的序列推荐方法
- 1
-
-
作者
肖宏张
彭珍连
陈铁平
-
机构
湖南科技大学计算机科学与工程学院
海南软件职业技术学院计算机与人工智能学院
-
出处
《现代信息科技》
2025年第15期87-94,共8页
-
基金
国家自然科学基金项目(62376062)
湖南省教育厅项目(20A175)。
-
文摘
基于在线交易场景的序列推荐系统旨在根据用户现有的访问历史记录,预测用户可能感兴趣的下一个项目,已成为各大应用商城中不可或缺的重要组成部分。然而,当前该领域研究面临的主要问题是原始数据集规模不足,导致模型无法得到有效学习,且难以准确挖掘用户意图。为此,提出了一种基于多重增强对比框架(MEC)框架的序列推荐方法。该方法融合对比学习思想,首先对原始数据进行多种类型的数据增强,以生成大量仿真数据;然后,建立仿真数据之间相似性表征的自监督信号;最后,利用多增强对比模型结合两两排序损失进行学习。在两个公共数据集上进行的大量实验表明,所提方法在在线交易场景下的序列推荐性能相较于当前基线方法有显著提升。
-
关键词
序列推荐
数据增强
mec框架
自监督
对比学习
-
Keywords
sequence recommendation
data augmentation
mec framework
self-supervision
Contrastive Learning
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
