多行为对比学习推荐模型

缓解数据稀疏

该模型利用图神经网络和对比学习捕捉用户多行为间的复杂依赖,并利用自注意力网络建模高阶多行为关系,从而在目标行为监督信号稀疏时仍能实现高精度推荐。

Zihan, Zhao · 童向荣 · 王莹洁 · 张强

Knowledge-Based Systems 2024

技术优势

缓解数据稀疏

通过统一用户多行为信息和高阶多行为关系信息,有效缓解数据稀疏,提升推荐精度。

捕捉复杂行为依赖

利用多行为对比学习和自注意力网络,挖掘目标行为与辅助行为之间的相似性和差异性,捕捉跨类型行为的依赖。

超越现有基线

在三个真实数据集上实验验证,MBCLRec 相较于各种先进基线具有显著优势。

应用场景