基于混合专家的共享账户推荐算法

摘要

针对共享账户电视推荐场景下的行为序列混合、主导偏好时序变化问题,提出一种基于混合专家的共享账户推荐算法(MoE-SAR)。该方法通过混合专家网络分解行为序列,并利用动态门控机制自适应融合专家输出,以精准识别个体用户特征。同时,MoE-SAR方法引入对比学习策略,以最小化同源专家,增强样本间距离、最大化不同专家的输出间互信息,有效提升表征区分性与稳定性。此外,该方法还结合Transformer进行时序建模,以精准捕捉共享账户中个体用户的个性化偏好。实验结果表明,在HVIDEO数据集的E域上,MoE-SAR在MRR@20上较次优基线提升了24.0%,在Recall@20上提升了10.8%。在V域上,MRR@20提升了8.0%,Recall@20提升了4.7%。

关键词

共享账户 / 混合专家 / 推荐系统