用于序列推荐的可学习模型增强自监督学习
信息检索
2022-04-22 v1 机器学习
摘要
序列推荐旨在基于用户行为预测下一个物品。近期，自监督学习（SSL）被提出以提升推荐性能。然而，现有多数 SSL 方法采用统一的数据增强方案，丢失了原始序列的序列相关性。为此，本文提出一种用于序列推荐的可学习模型增强自监督学习（LMA4Rec）。具体而言，LMA4Rec 首先将模型增强作为数据增强的补充方法以生成视图。随后，LMA4Rec 使用可学习 Bernoulli dropout 实现模型增强的可学习操作。接着，在对比视图之间使用自监督学习从原始序列中提取自监督信号。最后，在三个公开数据集上的实验表明，与基线方法相比，LMA4Rec 方法有效提升了序列推荐性能。
引用
@article{arxiv.2204.10128,
title = {Learnable Model Augmentation Self-Supervised Learning for Sequential Recommendation},
author = {Yongjing Hao and Pengpeng Zhao and Xuefeng Xian and Guanfeng Liu and Deqing Wang and Lei Zhao and Yanchi Liu and Victor S. Sheng},
journal= {arXiv preprint arXiv:2204.10128},
year = {2022}
}