计算机应用

作者：陈宪聪, 潘微科, 明仲

单位：1.大数据系统计算技术国家工程实验室（深圳大学），广东 深圳 518060；2.人工智能与数字经济广东省实验室（深圳）（深圳大学），广东 深圳 518060；3.深圳大学 计算机与软件学院，广东 深圳 518060

关键词：推荐系统,用户反馈,异构单类协同过滤,迁移学习,变分自编码器

基金：国家自然科学基金重点项目(61836005);国家自然科学基金面上项目(61872249)

在推荐系统领域，大部分现有的工作主要关注仅有一种类型的用户反馈（如购买反馈）的单类协同过滤（OCCF）问题。然而，在现实的应用中，用户的反馈往往是异构的，因此如何对用户的异构反馈进行建模从而准确刻画用户的真实偏好成为了一个新的挑战。围绕异构单类协同过滤（HOCCF）问题（包含了用户的购买反馈和浏览反馈），提出了一个迁移学习解决方案——阶段式变分自编码器（SVAE）模型。首先，将用户的浏览反馈当作辅助数据，以多项式变分自编码器（Multi-VAE）为基础模型学习并生成隐特征向量；然后迁移该隐特征向量到另一路Multi-VAE，用于帮助该Multi-VAE对用户的目标数据（即购买反馈）进行建模。三个真实数据集上的实验结果显示，在多数情况下，SVAE模型在精确度（Precision@5）、归一化折损累计增益（NDCG@5）等重要指标上的表现显著优于其他流行的推荐算法，验证了所提模型的有效性。

来源：2021年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第12期