对比学习与多嵌入技术在序列推荐中的联合优化

摘要

在序列推荐领域，对比学习和多嵌入技术分别在生成高度区分性和信息丰富的特征以及捕获复杂的用户与物品互动方面具有重要价值.然而，如何将这两种技术有效地结合起来，以提供更准确和个性化的推荐，尚未得到充分研究.为了解决这一问题，提出了一种对比学习与多嵌入技术在序列推荐中的联合优化方法.该模型融合了对比学习的优点，以生成具有高度区分性和信息量的特征，同时采用多嵌入技术来捕捉项目和用户之间的复杂互动.此外，本文对编码器进行了修改，在编码器中引入了一种专门用于去除噪声的过滤层，以有效地去除用户行为数据中存在的噪声.通过这种方式，模型的鲁棒性和准确性得到了显著提升.最后，在3个公开数据集上的实验结果显示，本文提出的模型优于主流的基线模型.

关键词

推荐系统 / 序列推荐 / 对比学习 / 联合优化