RecDCL：双重对比学习推荐

原文约200字，阅读约需1分钟。发表于：。

通过利用自我监督的推荐算法，本文提出了一种名为 RecDCL 的方法，它采用对比学习，解决了数据稀疏性和特征维度的问题，并在推荐任务中取得了优于现有模型的效果。

本文介绍了一种名为RDGCL的新对比学习方法，用于改进推荐系统的准确度和多样性。该方法结合了对比学习、图卷积网络和协同过滤技术，通过设计自己的图卷积网络以及扩散和反应方程，在推荐系统中实现了反应和扩散嵌入之间的对比学习。实验结果表明，该方法优于目前最先进的基于对比学习的推荐模型。