去偏对比学习推荐模型

多行为推荐性能提升

该模型通过自适应邻居原型和多行为损失优化策略，消除用户多行为模式中的个性化偏差，从而提升推荐性能。

Zheng, Jianxing · Jie, Li · Huang, Mingqing

Expert Systems with Applications 2025

技术优势

消除个性化偏差

通过多行为模式的损失优化策略，直接消除用户多行为数据中的个性化偏差，提升推荐准确性。

增强用户表示

利用自适应邻居原型对用户和物品表示进行细化，使学习的节点表示更鲁棒。

捕获多行为模式

采用自注意力机制，为每个用户个性化地建模其在多种行为上的交互模式。

应用场景

• 个性化推荐：用去偏表示提升个性化推荐的准确度与鲁棒性。
• 多行为建模：从多行为数据中学习统一表示，缓解目标行为稀疏问题。
• 偏差消解：在对比学习框架中显式消除多行为模式带来的个性化偏差。