设计应用

基于用户特定空间的对抗推荐模型

作者：于晓明，周淦，刘志春
发布日期：2023-04-07
来源：网络安全与数据治理

0   引言

信息技术的高速发展带来了互联网的信息爆炸，许多资源得不到有效的利用，人们在短时间内提取有效信息十分困难。推荐技术的出现帮助人们解决信息过载现象，推荐系统就是关注历史信息中用户感兴趣的方面，在未来推荐给用户相关的项目。最初，机器学习在推荐系统的应用基本满足了人们的需求，随着深度学习的引入，推荐系统的性能得到了进一步的提升。

AutoRec将自编码器与协同过滤结合，补充用户项目交互信息的缺失值，解决数据稀疏的问题。但自编码器的隐空间维度是由超参数控制的，这就导致研究者不能明确网络从数据中学到的信息，因此推荐性能不高。生成对抗网络（Generative Adversarial Networks, GAN）作为深度学习的一种方法，由生成器和判别器组成，两者的对抗训练帮助生成器生成有用的数据。GAN被广泛应用在图像、文本、语音各个领域。研究者也将GAN应用在推荐系统中，CFGAN将协同过滤与GAN结合，从对抗训练中补充用户项目交互信息的缺失值，这种方式带来了性能的极大提升，但模型也仅依靠用户项目之间的交互信息完成推荐任务，用户信息和项目信息均没有得到有效利用。



本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005259




作者信息：

于晓明1，周淦1，刘志春2

（1.华北计算机系统工程研究所，北京100083；2.63850部队，吉林白城137000）


微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
生成对抗网络 用户特定空间 自编码器 推荐系统

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map