序列推荐的数据增强：综述
信息检索
2024-09-23 v1
摘要
作为推荐系统的一个重要分支，序列推荐（sequential recommendation, SR）因其高度符合现实场景而受到广泛关注。然而，数据稀疏问题限制了该模型的性能。因此，研究者们提出了许多数据增强（data augmentation, DA）方法来缓解这一现象，并取得了显著的进展。本综述系统性地综述了序列推荐领域的数据增强方法。我们首先介绍研究背景与动机，然后依据增强原则、对象和目的对现有方法进行分类。随后，讨论其优势与局限，展示并分析典型实验结果。最后，概述未来研究方向，总结本综述。我们还维护了一个包含论文列表的仓库，地址为 \url{https://github.com/KingGugu/DA-CL-4Rec}。
引用
@article{arxiv.2409.13545,
title = {Data Augmentation for Sequential Recommendation: A Survey},
author = {Yizhou Dang and Enneng Yang and Yuting Liu and Guibing Guo and Linying Jiang and Jianzhe Zhao and Xingwei Wang},
journal= {arXiv preprint arXiv:2409.13545},
year = {2024}
}