ContrastVAE：面向序列推荐的对比变分自编码器
信息检索
2022-12-06 v2 机器学习
摘要
为利用用户行为序列中的丰富信息，序列推荐已广泛应用于现实推荐系统。然而，现有方法存在以下问题：1）用户-物品交互的稀疏性，2）序列记录的不确定性，3）长尾物品。本文提出将对比学习引入变分自编码器框架以同时应对这些挑战。首先，我们引入 ContrastELBO，一种将传统单视图 ELBO 扩展到双视图情形的新训练目标，并从双视图视角在理论上建立 VAE 与对比学习之间的联系。接着我们提出对比变分自编码器（简称 ContrastVAE），一种带对比正则化的双分支 VAE 模型，作为 ContrastELBO 在序列推荐中的具体实现。我们进一步引入两种简单而有效的增强策略，称为模型增强与变分增强，以创建序列的第二视图从而使对比学习成为可能。在四个基准数据集上的实验证明了 ContrastVAE 及所提增强方法的有效性。代码见 https://github.com/YuWang-1024/ContrastVAE
引用
@article{arxiv.2209.00456,
title = {ContrastVAE: Contrastive Variational AutoEncoder for Sequential Recommendation},
author = {Yu Wang and Hengrui Zhang and Zhiwei Liu and Liangwei Yang and Philip S. Yu},
journal= {arXiv preprint arXiv:2209.00456},
year = {2022}
}
备注
Accepted by CIKM 2022