NEAT：一种抗标签噪声的互补商品推荐系统及可信评估

互补商品推荐系统（CIRS）为给定查询商品推荐互补商品。由于缺乏来自海量交易记录的人工标注标签，现有 CIRS 模型将商品共同购买信号视为互补关系的代理。这些方法在互补嵌入空间中表示商品，并将互补关系建模为商品向量间相似性的点估计。然而，共同购买的商品彼此未必互补。例如，顾客可能在同一笔交易中频繁购买香蕉和瓶装水，但这两件商品并不互补。因此，直接使用共同购买信号作为标签会恶化模型性能。另一方面，若评估所用标签未能反映真实的互补关联，模型评估将不可信。为应对上述来自共同购买数据噪声标注的挑战，我们将两商品的共同购买建模为高斯分布，其中均值表示来自互补关联的共同购买，协方差表示来自噪声的共同购买。为此，我们将每个商品表示为高斯嵌入，并通过商品高斯嵌入的均值与协方差参数化共同购买的高斯分布。为降低评估期间噪声标签的影响，我们提出一种基于独立性检验的方法，以一定置信度生成可信标签集。我们在公开可用数据集和大规模真实世界数据集上的大量实验证明了所提模型相较于最先进模型在互补商品推荐中的有效性。