基于生成对抗网络的评分可信推荐模型

摘要

现有的基于深度学习的推荐模型主要致力于提升推荐系统的准确性。然而，除了推荐准确性外，模型的推荐可靠性也备受关注。该文提出一种基于生成对抗网络的评分可信推荐模型来评估预测结果的有效性，以实现推荐准确性与可靠性间的权衡。该模型仅利用用户显式评分信息获取预测评分的可信度，并根据设定的可靠性阈值筛选出具有高可信度的预测评分，以保证推荐项目的可靠性。此外，为了提高模型的预测效果并确保训练的公平性，设计了正样本填充策略来缓解评分可靠性矩阵中的数据不均衡问题。在3个真实数据集上的实验结果表明，该模型在Recall和NDCG指标上均优于所选的对比方法，有效提高了推荐系统的性能。

关键词

生成对抗网络 / 填充策略 / 可靠性 / 推荐系统

基金资助

国家自然科学基金（62272077,72301050）; 重庆市自然科学面上基金（cstc2021jcyj-msxmX0557）; 重庆市教育委员会科学技术研究项目（KJQN202300605）