可控多样化的序列推荐：表示退化与多样性

序列推荐（SR）对动态用户偏好进行建模，并在低维联合潜在空间（即序列与物品嵌入空间）中通过序列与物品之间的亲和度生成下一物品预测。由于用户/物品的长尾分布，序列与物品表示均遭受表示退化问题，其中尾部用户/物品在潜在空间中作为狭窄锥体不可区分地分布。我们认为表示退化问题是现有 SR 方法推荐多样性不足的根本原因，损害了用户潜力探索并进一步加剧信息茧房问题。在本工作中，我们首先揭示了表示退化与推荐多样性之间的联系，其中更严重的表示退化意味着更低的推荐多样性。然后我们提出一种新颖的奇异谱平滑正则化用于推荐（SPMRec），其作为可控代理来缓解退化并实现推荐多样性与性能之间的平衡。所提出的平滑正则化通过最大化奇异值曲线下面积（也即多样性代理）来缓解退化。我们在四个基准数据集上进行了实验以证明 SPMRec 的优越性，并表明所提出的奇异谱平滑可同时控制推荐性能与多样性的平衡。