Top-N推荐显著提升
通过重新加权正样本并挖掘关键负样本，在保持线性结构的同时显著提升推荐性能。
刘威 · Leong Hou, U. · 梁上松 · Zhu, Huaijie · 余建兴 · Yubao, Liu · Jian, Yin
ACM Transactions on Knowledge Discovery from Data 2024
自调整可信度权重根据样本可靠性重新加权正样本，降低假阳性的影响。
利用物品-物品矩阵的高阶关系采样关键负样本，并通过剪枝策略避免噪声引入。
采用线性结构的VAE框架，摒弃复杂非线性结构，仍能实现大幅性能提升。
在六个公开真实数据集上，性能显著超越其他基于VAE的模型。