基于双曲空间的多视图对比学习捆绑推荐模型

吴大卫; 李建华

doi:10.14135/j.cnki.1006-3080.20250326002

华东理工大学学报（自然科学版） ›› 2026, Vol. 52 ›› Issue (1) : 109 -117. DOI: 10.14135/j.cnki.1006-3080.20250326002

基于双曲空间的多视图对比学习捆绑推荐模型

吴大卫, 李建华

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对现有方法在捕捉交互图层次结构和多视图信息融合方面的不足,本文提出了一种基于双曲空间的多视图对比学习捆绑推荐(Hyperbolic Multi-view Contrastive learning for Bundle Recommendation,HMCBR)模型。该模型在3个视图的基础上,将实体嵌入双曲空间,并利用双曲图卷积网络学习各视图下的用户与捆绑包表示;同时,引入双曲自注意力机制自适应分配视图权重,以优化多视图信息融合;结合视图内对比学习和视图间对比学习,强化特征一致性与多视图信息交互。结果表明,HMCBR在3个主流的数据集上的表现均优于基线模型,能有效提升推荐效果。