元学习推荐系统（Meta Learned User,MeLU）未对任务间难易程度作区分，导致元学习器在训练阶段易被简单任务主导，处理困难任务时表现不佳，对新任务的泛化能力不强。鉴于此，提出一种结合困难感知元学习（Difficulty Aware Meta Learning,DAML）的推荐系统，通过减轻简单任务的偏重，加重困难任务的偏重，避免系统被简单任务主导。实验表明，改进后的模型在处理用户冷启动问题时相比改进前的模型性能提升明显。
科研之友
微信
新浪微博
Facebook
分享链接
