关键词multi-behavior recommendation
搜索结果 - 4
- 多行为推荐中的公平因果干预
本文提出了一种基于因果框架、通过多种用户行为数据进行推荐,以消除流行度偏差并提高推荐公平性且不牺牲推荐准确性的方法。
- 用于多行为推荐的粗到细知识增强多兴趣学习框架
本文介绍了一种基于粗细粒度知识增强的多兴趣学习框架,用于在多行为推荐中学习共享和特定的行为兴趣,通过使用两个先进的模块收集和分配相应的行为兴趣,并运用自我关注机制在兴趣层次上将不同的行为信息相互关联。实证结果表明了我们的模型在利用多行为数据 - 推荐中的多视角多行为对比学习
提出一种新的多行为多视角对比学习推荐算法,其中包括三种新的对比学习任务,可解决多行为建模中的挑战,在两个真实数据集的广泛评估和消融测试中,该方法取得了超越现有基线的 SOTA 性能。
- IJCAI推荐系统中异构关系学习的最新进展
调查了不同类型的推荐框架的发展,重点关注于异构关系学习,分类研究了社交推荐、知识图增强推荐系统以及多行为推荐的学习方法,探讨如何有效地提取异构上下文信息。最后对异构关系学习提出了新的方向和机会。