双离散协同过滤算法

细粒度表征提高推荐

提出集群感知潜在空间与连续归一化流，为不同用户和物品生成区分性表示并稳定优化离散变量。

王帆 · 陈超超 · Liu, Weiming · 齐连永 · Zhang, Xuyun · 檀彦超 · Zhu, Mengying · Xiaolin, Zheng

IEEE Transactions on Knowledge and Data Engineering 2026

技术优势

表示更有区分度

聚类感知潜在空间根据用户/物品的不同特征生成差异化表示，避免统一先验导致的信息损失，提升后续个性化推荐性能。

离散优化更稳定

用连续归一化流实现对潜在伯努利分布的离散优化，避免传统 NP 难问题，使训练更平稳有效。

效果与效率兼得

在多个真实数据集上，DDCF 在效果和效率指标上都优于现有最优方法，说明方法既准又快。

应用场景

• 推荐系统：用哈希编码加速用户-物品匹配，提升推荐系统响应速度与个性化效果。
• 电商个性化：为电商平台生成区分度高的用户和商品二进制码，支持高效个性化推荐。
• 流媒体推荐：用于流媒体场景生成用户和内容的高效哈希表示，快速推荐相似内容。
• 社交网络内容分发：为社交网络用户和帖子生成二进制特征，提升内容分发效率与相关性。
• 在线广告：将用户和广告编码为哈希码，加速广告匹配并提高点击率预测精度。