模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2024, Vol. 37 Issue (6): 525-537    DOI: 10.16451/j.cnki.issn1003-6059.202406004
基于多偏好与多模态的推荐方法研究 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于平滑图掩码编码器的顺序推荐模型
刘洋1, 夏鸿斌1,2, 刘渊1,2
1.江南大学 人工智能与计算机学院 无锡 214122;
2.江南大学 人机融合软件与媒体技术江苏省高校重点实验室 无锡 214122
Sequential Recommendation Model Based on Smoothing Graph Masked Encoder
LIU Yang1, XIA Hongbin1,2, LIU Yuan1,2
1. School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214122;
2. Jiangsu Key University Laboratory of Software and Media Tech-nology under Human-Computer Cooperation, Jiangnan Univer-sity, Wuxi 214122

全文: PDF (790 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对现有顺序推荐模型在处理推荐任务时由于数据集标签稀缺和用户交互数据噪声导致性能降低的问题,提出基于平滑图掩码编码器的顺序推荐模型(Smoothing Graph Masked Encoder Recommender System, SGMERec).首先,设计数据平滑编码器处理数据,提升数据质量,降低极端值和数据噪声的负面影响.然后,设计图掩码编码器,自适应提取全局项目的转换信息,构造关系图帮助模型补全缺失的标签数据,提高模型对于标签稀缺问题的应对能力.最后,运用批标准化,归一化每个神经网络层的输入分布,确保每层输入的分布相对稳定,降低用户序列的稀缺标签比例.在3个真实数据集上的实验表明,SGMERec具有一定的性能提升.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘洋
夏鸿斌
刘渊
关键词 顺序推荐数据平滑图神经网络自监督学习    
Abstract:Aiming at the performance degradation problem of existing sequential recommendation models caused by label sparsity and user data noise, a sequential recommendation model based on smoothing graph masked encoder(SGMERec) is proposed. Firstly, a data smoothing encoder is designed to process the data, improve data quality and reduce the negative impact of extreme values and data noise. Secondly, a graph masked encoder is designed to adaptively extract transformation information from global items and a relational graph is constructed to help the model complete the missing label data, thereby enhancing the ability to deal with issues of label scarcity. Finally, batch normalization is employed to normalize the input distribution of each neural network layer. Thus, the stability of input distribution for each layer is guaranteed and the proportion of scarce labels in user sequences is reduced. Experimental results on three real datasets indicate the performance improvement of SGMERec.
Key wordsSequential Recommendation    Data Smoothing    Graph Neural Network    Self-Supervised Learning   
收稿日期: 2024-06-11     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61972182)资助
通讯作者: 夏鸿斌,博士,教授,主要研究方向为个性化推荐、自然语言处理.E-mail:hbxia@163.com.   
作者简介: 刘 洋,硕士研究生.主要研究方向为推荐系统、深度学习.E-mail:526047174@qq.com. 刘 渊,博士,教授,主要研究方向为网络安全、社交网络.E-mail:lyuan1800@sina.com.
引用本文:   
刘洋, 夏鸿斌, 刘渊. 基于平滑图掩码编码器的顺序推荐模型[J]. 模式识别与人工智能, 2024, 37(6): 525-537. LIU Yang, XIA Hongbin, LIU Yuan. Sequential Recommendation Model Based on Smoothing Graph Masked Encoder. Pattern Recognition and Artificial Intelligence, 2024, 37(6): 525-537.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202406004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2024/V37/I6/525
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn