融合对抗网络和对比学习的三重桥梁跨域推荐

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：杨海燕, 梅红岩, 胡思雨

单位：辽宁工业大学 电子与信息工程学院，辽宁 锦州 121001；

摘要：针对现有元学习跨域推荐方法存在负向偏好建模缺失与用户偏好迁移策略单一的问题，提出了一种融合对抗网络与对比学习的三重桥梁跨域推荐模型（triple bridge cross domain recommendation integrating adversarial networks and contrastive learning，ACTBCDR），设计了正负特征编码器来获取用户正向偏好和负向偏好，以捕获更全面的用户偏好。为解决用户偏好迁移策略单一问题，构建了个性化偏好、源域公共偏好和目标域公共偏好的三重桥梁，采用动态门控机制实现多粒度特征融合。设计域对抗训练模块，通过梯度反转层（GRL）实现跨域用户表征对齐，并通过对比损失约束，使源域和目标域的公共偏好桥映射到同一空间，减少领域差异。在Amazon中的Book、Music和Movie三个基准数据集上的实验表明，ACTBCDR在MAE、RMSE、AUC和NDCG@10指标上分别超越基线方法7.28%、8.29%、1.68%和6.91%，验证了模型的有效性。

关键词：跨域推荐,生成性对抗网络,元学习,冷启动问题

基金资助：国家自然科学基金（12371363）；辽宁省教育厅科研项目（JYTMS20230869）；辽宁省科技计划联合计划（重点研发计划项目）（2025JH2/101800245）。