基于图元网络的多行为去噪感知推荐OA
针对多行为推荐场景中多源交互数据存在噪声干扰、辅助行为与目标行为语义不一致、多任务损失权重静态分配难以适配用户个性化偏好的问题,构建一个基于图元网络的多行为去噪感知推荐模型.首先,搭建多行为感知编码器,基于图卷积实现多类型交互数据的高阶特征提取;其次,设计选择性跨行为对比学习方法,借助用户节点相似度筛选伪负样本,从用户表征层面实现去噪优化;再次,构建基于项目相似度的难负样本采样策略,优化项目表征质量;最后,引入元学习动态调权机制,自适应调整多任务损失权重.在3个真实数据集上的实验结果表明,该模型优于其他先进的推荐方法,从而验证了其有效性.
王红斌;杜宇佳;姜迪
昆明理工大学信息工程与自动化学院,昆明650500 昆明理工大学云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 昆明理工大学云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500
信息技术与安全科学
多行为推荐去噪对比学习难负样本采样多任务学习
《吉林大学学报(理学版)》 2026 (5)
P.1129-1138,10
国家自然科学基金(批准号:62466029)云南省创新引导与科技型企业培育计划项目(批准号:202404BQ040148)。
评论