联合自监督学习强化的多行为多任务推荐算法

作者：沈学利; 张荣凯^*

来源：计算机应用研究, 2023, 40(09): 2688-2693.

DOI：10.19734/j.issn.1001-3695.2023.02.0030

• 推荐系统
• 多行为推荐
• 自监督学习
• 多任务优化

为解决多行为推荐研究存在的未能全面捕获多行为交互特征，忽略点击等隐式反馈数据存在的大量噪声标签等问题，提出了联合自监督学习强化的多行为多任务推荐算法。首先，从行为影响权重和行为隐含语义两方面感知多行为交互特征，并将特征融合到嵌入传播过程，增强节点嵌入的表达能力；然后，构建自监督学习辅助任务，通过多视图对比学习避免模型对噪声标签过拟合；最后，联合有监督的多行为推荐任务和自监督学习辅助任务，采用多目标损失优化策略进行多任务学习，获取更加准确的用户、项目嵌入。通过实验分析表明，该算法在HR和NDCG指标上较对比算法均有一定提升，证明了算法的有效性和优越性。

• 单位
  辽宁工程技术大学