双尺度兴趣提取网络

兼顾全局偏好

该网络通过自监督对比学习建模全局兴趣偏好，同时提取局部多粒度兴趣，有效缓解推荐同质化问题。

Liangliang, Chen · Lin, Hongzhan · Jinshan, Ma · 陈光

Frontiers in Artificial Intelligence and Applications 2023

技术优势

兴趣不单一

在局部尺度以细粒度捕捉用户的多重兴趣，避免推荐结果同质化。

偏好能统一

通过对比学习显式建模全局固有偏好，并用它来整合局部多兴趣，使当前兴趣估计更精确。

新颖与准度兼得

在三个真实世界基准数据集上同时提升了推荐精确度和新颖性，超越现有最优模型。

应用场景

• 推荐系统：作为即插即用的组件，提升现有推荐系统的多样性与准确率。
• 用户行为建模：更全面地建模用户历史行为中蕴含的全局偏好和局部多兴趣。
• 序列推荐：取代仅独立提取子序列兴趣的方法，缓解推荐同质化。