SLSREC：用于长短期用户兴趣自适应融合的自监督对比学习
信息检索
2026-04-07 v1 机器学习
摘要
用户兴趣通常涵盖长期偏好和短期意图，反映了用户在不同时间范围内的行为动态特征。用户交互的时间分布不均凸显了兴趣的演化模式，使得利用全面的历史行为准确捕捉兴趣变化具有挑战性。为此，我们提出了 SLSRec，一种会话式模型，通过融合长短期推荐有效捕捉用户兴趣的时间动态。与将长短期用户兴趣合并为单一表示从而损害推荐准确性的传统模型不同，SLSRec 利用自监督学习框架来解耦这两种类型的兴趣。引入对比学习策略以确保长短期兴趣表示的准确校准。此外，设计了基于注意力融合网络来自适应聚合兴趣表示，优化其集成以增强推荐性能。在三个公开基准数据集上的大量实验表明，SLSRec 持续优于最先进模型，并在各种场景下展现出优越的鲁棒性。我们将在接收后发布全部源代码。
引用
@article{arxiv.2604.04530,
title = {SLSREC: Self-Supervised Contrastive Learning for Adaptive Fusion of Long- and Short-Term User Interests},
author = {Wei Zhou and Yue Shen and Junkai Ji and Yinglan Feng and Xing Tang and Xiuqiang He and Liang Feng and Zexuan Zhu},
journal= {arXiv preprint arXiv:2604.04530},
year = {2026}
}