基于对比学习的多兴趣感知序列推荐系统

来源：计算机研究与发展杂志2024年第7期北京时间：

作者：赵容梅,孙思雨,鄢凡力,彭舰,琚生根,

摘要：序列推荐的近几年工作通过聚类历史交互物品或者利用图卷积神经网络获取交互的多层次关联信息来细化用户兴趣.然而，这些方法没有考虑具有相似行为模式的用户之间的相互影响以及交互序列中时间间隔不均匀对用户兴趣的影响.基于上述问题，提出一种基于对比学习的多兴趣感知序列推荐模型MIRec，一方面考虑了序列内部的物品依赖和位置依赖等局部偏好信息，另一方面通过图信息聚合机制获取相似用户之间的全局偏好信息；然后将融合局部偏好和全局偏好的用户表示输入胶囊网络中，学习用户交互序列中的多兴趣表示；最后通过对比学习使用户的历史交互序列靠近增强的交互序列，获得对时间间隔不敏感的用户多兴趣表示，为用户提供更准确的推荐.所提模型在2个真实数据集上进行了充分实验，实验结果验证了所提模型的有效性.

关键词：多兴趣, 全局偏好, 局部偏好, 胶囊网络, 序列推荐,