基于对比学习和自注意力机制的时间接近度上的顺序推荐

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

该研究提出了一种用于顺序推荐的多任务模型CL4SRec,通过提取用户行为序列中的有意义模式和编码用户表示,解决了数据稀疏性和参数优化问题,在四个公共数据集上取得了领先性能。

🎯

关键要点

  • 提出了一种用于顺序推荐的对比学习多任务模型 CL4SRec。
  • CL4SRec 从原始用户行为序列中提取更有意义的用户模式。
  • 该模型有效地编码用户表示。
  • 通过构建自我监督信号和数据增强等手段,解决数据稀疏性和参数优化问题。
  • 在四个公共数据集上实现了业界领先的性能。
➡️

继续阅读