基于变分自动编码器与扩散模型的时序推荐模型

赵铁柱; 黄咏健; 杨秋鸿; 陈奕霖

doi:10.16452/j.cnki.sdkjzk.2026.01.010

山东科技大学学报（自然科学版） ›› 2026, Vol. 45 ›› Issue (1) : 112 -121. DOI: 10.16452/j.cnki.sdkjzk.2026.01.010

基于变分自动编码器与扩散模型的时序推荐模型

赵铁柱, 黄咏健, 杨秋鸿, 陈奕霖

作者信息 +

Author information +

文章历史 +

PDF

摘要

在推荐系统中,变分自动编码器和扩散模型能够有效针对“用户-物品”的交互生成过程进行建模,但受限于变分自动编码器表征能力和扩散模型易受噪声的影响,模型性能得不到进一步提升。针对此问题,本研究提出一种结合变分自动编码器和扩散模型并融入时序信息的推荐模型(TRMVADM)。TRMVADM首先根据用户-物品交互次序对交互数据进行赋权,然后利用编码器对时序数据进行维度压缩,并在潜在空间中进行前向与反向扩散,最后通过解码器推断出用户物品交互的概率。TRMVADM有效利用了编码器维度压缩的特点和扩散模型挖掘潜在用户-物品交互信息的能力,提高了模型的推荐性能。在Movie Lnse和Yelp数据集上的实验结果表明,TRMVADM在评价指标召回率和归一化累计折损增益上,相比于次优基线模型分别平均提升5.4%和2.04%。