计算机应用研究

作者：沈学利,张荣凯,

单位：辽宁工程技术大学软件学院,辽宁葫芦岛125105；

关键词：推荐系统,多行为推荐,自监督学习,多任务优化,

基金：国家自然科学基金资助项目(62173171)；；

为解决多行为推荐研究存在的未能全面捕获多行为交互特征，忽略点击等隐式反馈数据存在的大量噪声标签等问题，提出了联合自监督学习强化的多行为多任务推荐算法。首先，从行为影响权重和行为隐含语义两方面感知多行为交互特征，并将特征融合到嵌入传播过程，增强节点嵌入的表达能力；然后，构建自监督学习辅助任务，通过多视图对比学习避免模型对噪声标签过拟合；最后，联合有监督的多行为推荐任务和自监督学习辅助任务，采用多目标损失优化策略进行多任务学习，获取更加准确的用户、项目嵌入。通过实验分析表明，该算法在HR和NDCG指标上较对比算法均有一定提升，证明了算法的有效性和优越性。

来源：2023年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第9期