计算机应用研究

作者：陈文浩,陈媛,朱小飞,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

关键词：多行为推荐,辅助行为,预训练,嵌入投影,多任务学习,

基金：国家自然科学基金资助项目(62472059)；重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX1672)；重庆英才计划项目(CSTC2024YCJH-BGZXM0022)；重庆市教育委员会科学技术研究计划重大项目(KJZD-M202201102)；；

多行为推荐（MBR）系统通过辅助行为分析用户偏好，以缓解数据稀疏性并提高推荐准确性。然而，先前工作使用随机初始化的用户和物品嵌入，无法提供良好的信息价值，也未考虑到在行为嵌入聚合中存在的噪音，以及辅助行为交互序列中的噪声。为了解决这些问题，提出了一种基于辅助行为去噪的多行为推荐模型（ABD-MBR）。首先，使用预训练的方式来获取用户和物品初始嵌入。然后，设计投影聚合模块将辅助行为投影到目标行为空间上进行聚合来减少嵌入聚合时噪声的影响，并设计bot-k和top-k采样模块对辅助行为的交互序列进行优化来减少交互序列噪声的影响。最后，采用多任务学习对模型进行优化。在三个公开数据集上的实验表明，与 MB-HGCN 相比，该模型在 HR@10 上平均提高了10.2%，在 NDCG@10 上平均提高了13.4%，验证了模型的有效性。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期