期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,685篇文章
< 1 2 … 85 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Web-based推荐系统中的会话推荐多样性研究 被引量：2
1
作者 李晶皎 孙丽梅 王骄 《小型微型计算机系统》 CSCD 北大核心 2014年第6期1265-1269,共5页
Web-based推荐系统通常用推荐的准确性来衡量推荐算法的优劣,而Web-based推荐系统中用户的浏览行为以会话为单位,因此用户会话期内推荐的多样性是评价Web-based推荐系统推荐质量的一个重要指标.提出会话推荐多样性的概念,提出了一种能... Web-based推荐系统通常用推荐的准确性来衡量推荐算法的优劣,而Web-based推荐系统中用户的浏览行为以会话为单位,因此用户会话期内推荐的多样性是评价Web-based推荐系统推荐质量的一个重要指标.提出会话推荐多样性的概念,提出了一种能够提高会话推荐多样性的融合协同过滤算法,在用户会话期内建立会话推荐列表,有效避免会话推荐树中出现推荐环路,消除会话推荐树中的重复推荐.通过Movielens数据集测试表明,提出的方法可以大幅度提高Web-based推荐系统的会话推荐多样性,同时也提高了推荐准确率. 展开更多
关键词 web-based推荐系统 会话推荐多样性 会话推荐树 融合协同过滤
在线阅读 下载PDF
基于代理生成对抗网络的服务质量感知云API推荐系统投毒攻击
2
作者 陈真 刘伟 +3 位作者 吕瑞民 马佳洁 冯佳音 尤殿龙 《通信学报》 北大核心 2025年第3期174-186,共13页
针对现有投毒攻击方法生成的虚假用户攻击数据存在攻击效果差且易被检测的不足,提出一种基于代理生成对抗网络的投毒攻击方法。首先,在生成对抗网络中采用K-means算法将数据分类,并引入自注意力机制学习每个类中的全局特征,解决生成对... 针对现有投毒攻击方法生成的虚假用户攻击数据存在攻击效果差且易被检测的不足,提出一种基于代理生成对抗网络的投毒攻击方法。首先,在生成对抗网络中采用K-means算法将数据分类,并引入自注意力机制学习每个类中的全局特征,解决生成对抗网络在数据稀疏时难以有效捕捉真实用户复杂行为模式这一问题,提升虚假用户的隐蔽性。其次,引入代理模型评估生成对抗网络生成的虚假用户的攻击效果,将评估结果作为代理损失优化生成对抗网络,进而实现在兼顾虚假用户隐蔽性的同时增强攻击效果。云API服务质量数据集上的实验表明,所提方法在兼顾攻击的有效性和隐蔽性方面均优于现有方法。 展开更多
关键词 推荐系统 云API 投毒攻击 生成对抗网络 代理模型
在线阅读 下载PDF
基于大模型的服装推荐智能问答系统构建
3
作者 游小荣 李淑芳 邵红燕 《毛纺科技》 北大核心 2025年第5期87-94,共8页
为了满足用户对个性化服装推荐的需求,构建了一种基于大模型技术的服装推荐智能问答系统。首先,为提升大模型在服装推荐领域的推理能力,基于fashion-style-instruct数据集对Llama27B、Orca27B和Mistral 7B大模型进行有监督微调,生成针... 为了满足用户对个性化服装推荐的需求,构建了一种基于大模型技术的服装推荐智能问答系统。首先,为提升大模型在服装推荐领域的推理能力,基于fashion-style-instruct数据集对Llama27B、Orca27B和Mistral 7B大模型进行有监督微调,生成针对服装推荐任务的优化模型;其次,对H&M个性化时尚推荐数据集中的部分数据进行向量化处理,并引入检索增强生成技术,以提升模型的准确性与透明度;最后,基于微调和检索增强生成技术设计了一套服装推荐智能问答系统。实验结果表明,相较于未进行微调与检索增强生成技术优化的基准系统,本文所构建的系统在余弦相似度、BLEU及人工评估指标上分别提升了59.74%、103.64%、22.22%;在具体问答案例分析中,本文构建系统在个性化服装推荐智能问答的细节表现上也优于ChatGPT 3.5。本文所构建的系统在服装推荐大模型应用领域具有较高的应用价值和推广潜力。 展开更多
关键词 服装推荐 大模型 个性化 问答系统 检索增强生成
在线阅读 下载PDF
基于可解释图神经网络的可视推荐分析系统
4
作者 汤颖 周元博 孙国道 《计算机辅助设计与图形学学报》 北大核心 2025年第4期697-712,共16页
针对推荐系统中图神经网络的可解释性进行研究,从可解释模型出发,将推荐问题转换为图分类问题,利用可解释图神经网络对推荐系统进行解释,突破了以往推荐中解释多为实例级的情况,从实例级和组群级出发,探索推荐场景下的多粒度解释.另外,... 针对推荐系统中图神经网络的可解释性进行研究,从可解释模型出发,将推荐问题转换为图分类问题,利用可解释图神经网络对推荐系统进行解释,突破了以往推荐中解释多为实例级的情况,从实例级和组群级出发,探索推荐场景下的多粒度解释.另外,为了增强对解释模型提取的图模式的理解,设计了可视分析系统,以更好地理解图模式和模型解释过程,从单用户、用户群和多个用户群3个层级展开探索,便于分析人员探索图神经网络的推荐模式,从而对解释的可靠性进行验证.最后,在豆瓣电影数据集和Last-FM这2个真实数据集上应用图模式改进调整训练集,对比实验中推荐评估指标都得到了提升,从定量角度进一步证明了解释的可靠性和系统的有效性. 展开更多
关键词 可解释图神经网络 推荐系统 可视分析 可解释性
在线阅读 下载PDF
TCPColor:基于文本到图像生成模型的中国画配色方案推荐系统
5
作者 张迪 张文安 +4 位作者 姜智德 吴爱霞 孔浩 郭显 陈为 《图学学报》 北大核心 2025年第3期520-531,共12页
传统中国绘画(国画)是中国特有的绘画形式,在其基础上探索配色方案的使用,对现代设计师探索传统艺术与现代设计理念融合有重要意义,但是基于国画知识的色彩推荐系统研究较少,尚未有基于主题、物象和意境等多维度特征提供有效的配色检索... 传统中国绘画(国画)是中国特有的绘画形式,在其基础上探索配色方案的使用,对现代设计师探索传统艺术与现代设计理念融合有重要意义,但是基于国画知识的色彩推荐系统研究较少,尚未有基于主题、物象和意境等多维度特征提供有效的配色检索和推荐的方案。为此,提出一个中国画配色方案推荐系统TCPColor,以中文文本到图像生成模型太乙为基础,使用专家标注的宋代国画数据对模型进行了微调,然后对生成图像使用视觉显著性算法、K-Means聚类和基于色彩距离的色表匹配生成了具有国画风格的配色方案,通过消融实验验证了配色方案提取方法的有效性,并通过客观色彩分析评估了生成配色方案的差异性及与国画配色方案的相似度。与国画专家和志愿者合作进行案例分析、专家评估和用户研究,证明了该研究在配色方案推荐方面的实用性。 展开更多
关键词 传统中国绘画 配色方案 色彩推荐系统 单词颜色关联 文本到图像生成
在线阅读 下载PDF
一种面向推荐系统的隐私保护图神经网络
6
作者 王锟 王永 +2 位作者 张智强 刘金源 邓江洲 《计算机学报》 北大核心 2025年第5期1116-1133,共18页
近年来,图神经网络凭借强大的图数据表示学习能力,在推荐领域得到广泛应用。现有基于图神经网络的推荐系统大多依赖中心服务器集中存储用户数据并训练模型。然而,用户数据中通常蕴含着大量的敏感信息,不可信的中心服务器可能通过隐私攻... 近年来,图神经网络凭借强大的图数据表示学习能力,在推荐领域得到广泛应用。现有基于图神经网络的推荐系统大多依赖中心服务器集中存储用户数据并训练模型。然而,用户数据中通常蕴含着大量的敏感信息,不可信的中心服务器可能通过隐私攻击窃取用户数据,从而严重威胁用户的隐私权益。虽然目前针对图神经推荐系统的隐私保护研究已取得一些进展,但大多都是建立在可信第三方的假设基础之上,因此在实际应用中具有较大的局限性。此外,由于图数据的结构复杂且关联性强,传统针对关系型数据的保护方法已无法满足其隐私保护需求。针对上述问题,本文提出了一种面向图神经推荐系统的隐私保护框架PF-GNR。该框架主要由3个部分组成:本地隐私编码模块、图神经推荐模块以及隐私保护更新模块。具体而言,首先,每个用户利用本地化差分隐私技术对原始数据进行扰动和编码,以保证数据采集过程的隐私安全;其次,在模型学习阶段,服务器使用图神经网络对用户和项目之间的偏好关系进行建模;最后,服务器借助同态加密技术为训练过程提供保护并完成模型的训练任务。与现有方法相比,PF-GNR将本地化差分隐私与同态加密技术相结合,能够在无可信第三方的情况下,为用户数据提供严格的隐私保护,同时保证模型可用性。此外,PF-GNR还是一种通用的解决方案,适用于各种图神经网络模型。在3个公开数据集上进行了大量的实验。实验结果表明,与目前最优方法相比,PF-GNR的整体表现平均提升了9.2%且对隐私预算的敏感度更低,验证了该方法在隐私性与可用性之间能够实现有效平衡。 展开更多
关键词 推荐系统 图神经网络 隐私保护 本地化差分隐私 同态加密
在线阅读 下载PDF
人工智能技术在农机产品推荐系统中的应用 被引量：1
7
作者 翟海民 魏婷 《南方农机》 2025年第2期177-179,共3页
人工智能技术大幅度提升了农机产品推荐系统的效率和准确性,为农机产品的选择和采购带来了更多便利。农机产品推荐系统是应用人工智能技术,尤其是数据挖掘和机器学习算法,为农业生产者提供个性化农业机械选择建议的智能系统。该系统的... 人工智能技术大幅度提升了农机产品推荐系统的效率和准确性,为农机产品的选择和采购带来了更多便利。农机产品推荐系统是应用人工智能技术,尤其是数据挖掘和机器学习算法,为农业生产者提供个性化农业机械选择建议的智能系统。该系统的核心功能是分析和处理农业生产相关数据,包括但不限于土壤特性、气候条件、作物种类、农业生产历史以及农机产品的性能参数等。文章探讨了人工智能技术应用于农机产品推荐系统的必要性,详细分析了人工智能技术在农机产品推荐系统中的应用。结果表明,人工智能技术极大地提高了农机产品推荐系统的准确性,实现了农机产品的精准推荐和高效采购,深受农民朋友的好评。 展开更多
关键词 人工智能技术 农机产品 推荐系统
在线阅读 下载PDF
T-BOI:一种融合时间和行为顺序信息的序列推荐系统
8
作者 张经 周雕 《现代电子技术》 北大核心 2025年第13期88-95,共8页
基于用户行为建模的推荐系统被广泛应用于召回、排序等阶段,包括序列推荐、会话推荐等。在序列推荐中,可能由于过长的序列设定而引入了一些与下次行为不相关的行为记录,而基于会话的推荐则着重于中短期推荐,在捕捉长期兴趣或一般性兴趣... 基于用户行为建模的推荐系统被广泛应用于召回、排序等阶段,包括序列推荐、会话推荐等。在序列推荐中,可能由于过长的序列设定而引入了一些与下次行为不相关的行为记录,而基于会话的推荐则着重于中短期推荐,在捕捉长期兴趣或一般性兴趣上存在局限性。文中提出一种融合时间和行为顺序信息的序列推荐系统(T-BOI),从而适用于长、短期兴趣推荐。所提方法利用T-BOI中的特征表示单元模块、行为权重单元模块、行为序列表示模型、行为类别输出单元模块进行处理,得到最终预测结果。通过在公开数据集上对所提方法与部分先进模型的推荐性能进行比较,结果表明该推荐系统具有良好的推荐效果。 展开更多
关键词 序列推荐 推荐系统 多行为推荐 长短期偏好 位置编码 时间信息
在线阅读 下载PDF
融合时间上下文信息的序列推荐系统框架
9
作者 逯暄 昝晓亮 +1 位作者 彭甫镕 颜无瑕 《小型微型计算机系统》 北大核心 2025年第4期796-802,共7页
序列推荐相对于协同过滤方法在考虑用户行为顺序和个性化推荐等方面具有明显优势.然而现有的大多数序列推荐模型着重关注用户历史行为间的关系,忽略了用户兴趣随时间的演化特征,对此,本文提出了一种融合时间上下文信息的序列推荐通用学... 序列推荐相对于协同过滤方法在考虑用户行为顺序和个性化推荐等方面具有明显优势.然而现有的大多数序列推荐模型着重关注用户历史行为间的关系,忽略了用户兴趣随时间的演化特征,对此,本文提出了一种融合时间上下文信息的序列推荐通用学习框架.该框架将Tucker分解技术与注意力机制相融合,为每个用户行为分配适当的注意力权重,使模型关注对当前推荐任务更重要的时间上下文信息.此外,使用了分布鲁棒性损失函数来解决训练数据与测试数据之间可能存在的分布漂移问题.3个公开数据集上的实验结果表明,本文框架适用于不同的序列推荐模型并能提升推荐性能. 展开更多
关键词 推荐系统 序列推荐 时间上下文信息 Tucker分解 分布漂移
在线阅读 下载PDF
发射场指显系统信息主动流转推荐模型
10
作者 韩晓东 淮晓永 +3 位作者 郭金磊 顾梓仪 周淦 蒯亮 《火力与指挥控制》 北大核心 2025年第4期79-84,共6页
针对航天发射任务数据海量迸发,指挥员难以在关键时刻快速准确的辨识有效信息,影响发射任务指挥效率的现状,通过分析发射场任务指挥流程,建立发射任务时间-事件轴,统筹考虑指显系统用户的任务使命、指显行为特征、用户相似度,构建基于... 针对航天发射任务数据海量迸发,指挥员难以在关键时刻快速准确的辨识有效信息,影响发射任务指挥效率的现状,通过分析发射场任务指挥流程,建立发射任务时间-事件轴,统筹考虑指显系统用户的任务使命、指显行为特征、用户相似度,构建基于角色使命的信息流转和用户画像的个性化信息推荐方法,形成信息主动流转推荐模型。为指显系统升级换代和指挥发射效能的提高提供支撑。 展开更多
关键词 指显系统 指挥决策 角色指挥 推荐模型 发射场
在线阅读 下载PDF
大语言模型在推荐系统中的应用
11
作者 李博 莫先 《计算机科学》 北大核心 2025年第S1期7-13,共7页
大语言模型(LLMs)在推荐系统(RS)的特征工程与特征编码、预训练与微调和提示学习等阶段发挥着关键作用。通过特征工程与特征编码,LLMs提升了推荐系统的个性化和准确性,同时优化了模型的泛化能力和适应性。研究表明,LLMs在特征工程阶段... 大语言模型(LLMs)在推荐系统(RS)的特征工程与特征编码、预训练与微调和提示学习等阶段发挥着关键作用。通过特征工程与特征编码,LLMs提升了推荐系统的个性化和准确性,同时优化了模型的泛化能力和适应性。研究表明,LLMs在特征工程阶段能够丰富用户画像和提取物品特征;在预训练与微调阶段则通过大量未标记数据训练,为下游任务部署做好准备;在提示学习阶段通过设计有效的指令和提示,提高了模型对推荐任务的理解和解决能力。文中还讨论了LLMs在推荐系统应用中面临的挑战,例如计算成本高、API依赖、数据噪声等问题,研究者正在探索优化策略。未来推荐系统的发展潜力集中在数据增强、微调效率提升、提示设计优化和可解释性增强等方面,这些综合性分析为推荐系统领域的持续发展和创新提供了坚实的理论基础。 展开更多
关键词 推荐系统 大语言模型 特征工程 预训练与微调 提示学习
在线阅读 下载PDF
基于多次本地更新的联邦推荐系统防御方案
12
作者 邓振宇 刘影 《计算机工程与设计》 北大核心 2025年第8期2233-2239,共7页
为保护联邦推荐系统免受梯度反演攻击所造成的隐私泄露问题,提出了一种在联邦动量梯度下降中引入多次本地更新的联邦学习防御方案。该方案使用本地更新的方式来破坏上传梯度与攻击者已知的模型参数之间的关联,从而提高梯度反演攻击的难... 为保护联邦推荐系统免受梯度反演攻击所造成的隐私泄露问题,提出了一种在联邦动量梯度下降中引入多次本地更新的联邦学习防御方案。该方案使用本地更新的方式来破坏上传梯度与攻击者已知的模型参数之间的关联,从而提高梯度反演攻击的难度,同时使用联邦动量梯度下降来缓解本地更新导致的收敛速度下降的问题。实验结果表明,所提方案能够帮助联邦推荐系统抵御各类梯度反演攻击,且不会对联邦推荐系统的性能造成过多的负面影响。 展开更多
关键词 联邦学习 推荐系统 梯度反演 隐私保护 信息安全 差分隐私 数据孤岛
在线阅读 下载PDF
结合图卷积神经网络和集成方法的推荐系统恶意攻击检测 被引量：2
13
作者 刘慧 纪科 +3 位作者 陈贞翔 孙润元 马坤 邬俊 《计算机科学》 CSCD 北大核心 2024年第S01期940-948,共9页
推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐... 推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐结果,严重危害推荐服务的安全性。现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检测,难以适应更复杂的共同访问注入攻击,并且人工构建特征费时且区分能力不足,同时攻击行为规模远远小于正常行为,给传统检测方法带来了不平衡数据问题。因此,文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信息得到用户嵌入和项目嵌入,将其作为攻击检测特征,以卷积神经网络作为基分类器实现深度行为特征提取,结合集成方法检测攻击。在真实数据集上的实验结果表明,与流行的推荐系统恶意攻击检测方法相比,所提方法对共同访问注入攻击行为有较好的检测效果并在一定程度上克服了不平衡数据的难题。 展开更多
关键词 攻击检测 共同访问注入攻击 推荐系统 图卷积神经网络 卷积神经网络 集成方法
在线阅读 下载PDF
基于自适应增强的多视图对比推荐算法 被引量：1
14
作者 姚迅 王海鹏 +1 位作者 胡新荣 杨捷 《计算机工程》 北大核心 2025年第5期103-113,共11页
近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐... 近年来,基于神经网络架构的推荐系统取得了显著成功,但在处理富含流行偏见和交互噪声的数据时,未能达到期望的效果。对比学习作为一种从无标记数据中学习的新兴技术备受关注,为解决这一问题提供了潜在方案。提出一种端到端的图对比推荐算法AMV-CL。首先,基于节点的潜在表征构建用户-项目交互图的互补图;其次,引入自适应增强技术,分别从节点和边缘角度生成多视图数据,并通过重参数化网络调整图结构;最后,规范化对比损失中锚节点的正样本来源,同时利用多视图对比损失来学习用户/项目的潜在表征。在公共数据集上的实验结果显示,相较于最优基准方法SimGCL,AMV-CL在评价指标Recall@20和NDCG@20上的提升最高可达到12.03%和12.64%,表明所提方法能够有效提升推荐性能。 展开更多
关键词 图神经网络 推荐系统 多视图 对比学习 自适应增强
在线阅读 下载PDF
基于无向加权图上信号采样重构的推荐系统预测
15
作者 刘爱民 李茂 《计算机应用与软件》 北大核心 2024年第8期326-333,397,共9页
为有效地捕获数据的潜在结构并且降低计算量,提出一种基于无向加权图上信号采样重构的推荐系统预测算法。为了利用未标记条目所携带的信息,将用户或项目及其关系建模为一个加权无向图。为了实现采样信号重构,在再生核希尔伯特空间中,将... 为有效地捕获数据的潜在结构并且降低计算量,提出一种基于无向加权图上信号采样重构的推荐系统预测算法。为了利用未标记条目所携带的信息,将用户或项目及其关系建模为一个加权无向图。为了实现采样信号重构,在再生核希尔伯特空间中,将该问题近似地建模为一个二次无条件优化问题。为了降低计算复杂度,引入一种近似求解策略。在两个开放的公共数据库上的实验结果表明,该模型显著提高了预测精度,并且大大降低了计算复杂度。 展开更多
关键词 推荐系统 采样重构 希尔伯特空间 加权无向图
在线阅读 下载PDF
基于时空多粒度兴趣建模的学习资源推荐方法
16
作者 朱海萍 王子瑜 +3 位作者 赵成成 陈妍 刘均 田锋 《计算机研究与发展》 北大核心 2025年第8期1884-1901,共18页
个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度... 个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度兴趣建模的学习资源推荐方法,其特点在于:设计并实现了一种融合学习空间和时间维度的学习兴趣表征学习架构,其中,首先提出基于异构图的学习空间及其多粒度兴趣表征,即用节点表示知识点、学习资源、课程、教师和学校等实体,边表示实体间关系,用此异构图表示学习空间,再通过图神经网络表征学习节点嵌入来表达节点上的多粒度兴趣;然后提出时间维度多粒度兴趣模式表征方法,即结合时间、学习空间和课程偏好等多维度,切分学习者历史行为序列,用于挖掘学习者近期课程内、中期跨课程和长期跨课程等不同粒度的兴趣模式,并设计多粒度兴趣自监督任务,破解时空多粒度兴趣缺少监督信号问题;最后,提出多粒度兴趣自适应融合层,将多粒度兴趣表征和兴趣模式融合,获得最终的学习者兴趣,经预测层为学习者推荐感兴趣的学习资源.实验结果表明,在MOOCCube数据集上,所提算法较最优对比算法HinCRec,在Recall@20和NDCG@20指标上分别提升了3.13%,7.45%;在MOOPer数据集上,所提算法较最优对比算法HinCRec在Recall@20和NDCG@20指标上分别提升了4.87%,7.03%. 展开更多
关键词 推荐系统 学习资源推荐 多粒度兴趣建模 图神经网络 序列建模
在线阅读 下载PDF
基于双图神经网络的会话推荐算法
17
作者 李忠伟 吴金燠 +2 位作者 刘昕 周洁 李可一 《计算机工程与设计》 北大核心 2025年第1期23-29,共7页
针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力... 针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。 展开更多
关键词 推荐系统 会话推荐 图神经网络 会话图 全局相似图 相似度图卷积网络 注意力机制
在线阅读 下载PDF
融合全局和属性信息的双图神经网络会话推荐
18
作者 杨兴耀 齐正 +3 位作者 张祖莲 于炯 陈嘉颖 王东晓 《计算机工程与设计》 北大核心 2025年第3期770-778,共9页
为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用... 为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用一个门控机制捕获显式信息,在属性图中将一个自注意力机制嵌入到图注意力网络中学习项目隐式信息。利用池化操作将两种信息融合,根据最终嵌入计算预测评分。实验结果表明,模型在3个公开数据集Diginetica、Tmall和30Music上的精确度和平均倒数排名优于新近基线模型,验证了模型的有效性。 展开更多
关键词 推荐系统 会话推荐 图神经网络 注意力机制 门控机制 图注意力网络 自注意力机制
在线阅读 下载PDF
基于图神经网络的去偏因果推荐
19
作者 荀亚玲 李欣意 +2 位作者 韩硕 李砚峰 王兴 《计算机应用研究》 北大核心 2025年第5期1331-1337,共7页
推荐系统通常依赖用户的历史交互数据进行模型训练,虽然能够较好地反映用户过去的行为偏好,但在捕捉用户的潜在兴趣方面存在局限性,同时也面临数据稀疏性问题;此外,推荐系统往往过度关注流行度较高的项目,而未能充分考虑用户的真实偏好... 推荐系统通常依赖用户的历史交互数据进行模型训练,虽然能够较好地反映用户过去的行为偏好,但在捕捉用户的潜在兴趣方面存在局限性,同时也面临数据稀疏性问题;此外,推荐系统往往过度关注流行度较高的项目,而未能充分考虑用户的真实偏好,进一步限制了推荐的多样性和个性化水平。针对上述问题,提出一种去偏因果推荐方法GDCR(graph neural network-based debiased causal recommendation)。首先,GDCR引入图神经网络GNN来聚合用户-项目交互图和社交网络图中的信息,过程中不仅考虑了用户对不同项目的评分差异,还根据用户之间关系的紧密程度进行深入分析,从而获取更丰富、全面的用户表示和项目表示。然后构建因果图描述数据的生成过程,并分析导致过度推荐热门项目除了受流行偏差影响外,还受到一致性偏差的影响,由此,应用后门调整策略来消除上述偏差。在MovieLens和Douban-Movie两个公开数据集上,与八种基线方法进行了对比实验,结果表明,GDCR方法相较于其他先进的推荐方法展现出显著的性能优势,进一步验证了该方法在缓解数据稀疏性问题和提升推荐准确性方面的有效性。 展开更多
关键词 推荐系统 因果推断 图神经网络 后门调整
在线阅读 下载PDF
基于因果推断的推荐系统去偏研究综述 被引量：3
20
作者 杨新新 刘真 +2 位作者 卢思博 袁亚凡 孙永奇 《计算机学报》 EI CAS CSCD 北大核心 2024年第10期2307-2332,共26页
推荐系统是解决信息过载的重要技术之一.然而,推荐系统中存在各种各样的偏差问题,影响了对用户真实偏好的建模,制约了推荐性能的提升.近年来,因果推断理论的发展为分析和解决推荐系统偏差问题提供了有力的支持.因果推断是一种从观测数... 推荐系统是解决信息过载的重要技术之一.然而,推荐系统中存在各种各样的偏差问题,影响了对用户真实偏好的建模,制约了推荐性能的提升.近年来,因果推断理论的发展为分析和解决推荐系统偏差问题提供了有力的支持.因果推断是一种从观测数据中识别变量之间因果关系和估计因果效应的统计学方法,通过构建和分析因果模型,帮助推荐系统识别和消除偏差,提高对用户偏好拟合的准确性.本文对基于因果推断的推荐系统去偏研究的主要工作进行了全面的综述.本文根据推荐系统的不同阶段将偏差的产生分为三个阶段;首先,概述了因果推断的原理和方法,并阐述了因果推断与推荐去偏之间的联系,为缓解偏差问题提供了思路;接着,针对每一阶段的偏差,探讨了现有的因果推断技术如何应用于推荐去偏,分类和归纳了现有的因果推荐去偏方法,并进行了详细的对比分析;最后,讨论和展望了基于因果推断的推荐系统去偏研究未来的发展趋势. 展开更多
关键词 推荐系统去偏 因果推断 偏差 反事实推理
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 85 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部