科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对跨域推荐系统中目标域中项目交互较少的用户，提出一种融合多个性化桥和自监督学习的跨域推荐（MS-PTUPCDR）算法。首先，在目标域加入变分二部图编码器，使用变分推理框架生成潜在变量，目标域用户表示聚合其同构邻居信息。其次，将用户单一偏好桥扩展为用户多个性化偏好桥，将用户在多源域可转移的用户因子转移到目标域，在目标域加入多头注意力机制融合分别来自不同源域转换的用户潜在因子作为自监督学习的辅助任务。最后，在目标域自监督学习目标域聚合用户因子和融合后的用户多源域转移用户因子。在目标域通过用户自监督学习后的用户因子和目标域项目因子点积进行目标域项目评分预测，根据预测评分为用户推荐。算法在Amazon和MovieLens两个数据集上进行实验，结果表明算法在MAE和RMSE两个评价指标上优于对比基线算法，在两个数据集上与最优对比基线算法相比，MAE平均提升1.96%，RMSE平均提升1.92%。验证了算法的有效性。
- 单位
