基于对比学习和傅里叶变换的序列推荐算法

摘要

提出一种基于自注意力机制和傅立叶变换的序列推荐算法CSFTRec。通过过滤原始数据中的噪声，最大限度地提高自注意力机制对序列数据的特征捕捉能力。根据对比学习的特点，在贝叶斯个性化排名的基础上引入一种新的对比损失，用于联合训练，可以缩短不同相似序列之间的距离。在8个公共数据集上的实验表明，CSFTRec的收敛速度更快，推荐精度有3%～5%的提高，更适合处理序列数据。

关键词

对比学习 / 推荐算法 / 序列推荐 / 自注意力机制