基于难分样本挖掘的对抗自编码器推荐系统

来源：计算机测量与控制杂志2020年第12期北京时间：

作者：魏东,孙静宇,海洋

摘要：针对在推荐系统领域中常用数据集的数据分布不平衡、稀疏性大和用户评分偏好不同等问题，提出了基于难分样本挖掘的对抗自编码器推荐模型。考虑到用户偏好差异，使用均模型对数据集进行特征提取处理，在保留数据统计学特征的同时，降低了计算复杂度。之后，基于三元组损失算法对经过均模型处理的数据集进行难分样本挖掘。通过对数据集样本进行正负分类，提升了训练样本质量。再将正负样本分类后的数据分别作为对抗自编码器的输入，从重构和对抗两方面共同对评分预测模型进行训练。同时，采用Adam优化算法为不同参数单独计算更新梯度。实验结果表明，该推荐模型显著提升了推荐性能，多项指标优于基线模型。基于难分样本挖掘的推荐自编码器推荐系统具有一定实用价值。

关键词：推荐系统;难分样本挖掘;用户偏好;对抗自编码器

基金资助：山西省科技厅重点研发计划项目(201803D31226)；山西省研究生教育创新项目(2019SY117)