| 基于用户偏好挖掘生成对抗网络的推荐系统 |
| |
| 引用本文： | 李广丽,滑瑾,袁天,朱涛,邬任重,姬东鸿,张红斌.基于用户偏好挖掘生成对抗网络的推荐系统[J].计算机科学与探索,2020,14(5):803-814. |
| |
| 作者姓名： | 李广丽 滑瑾 袁天 朱涛 邬任重 姬东鸿 张红斌 |
| |
| 作者单位： | 华东交通大学 信息工程学院,南昌 330013;华东交通大学 软件学院,南昌 330013;武汉大学 国家网络安全学院,武汉 430072 |
| |
| 基金项目： | 国家自然科学基金Nos.61762038,61861016;教育部人文社会科学研究规划项目No.17YJAZH117;江西省自然科学基金No.20171BAB202023;江西省科技厅重点研发计划Nos.20171BBG70093,20192BBE50071;江西省社会科学规划项目No.16TQ02;江西省教育厅科学技术项目Nos.GJJ180320,GJJ190323。 |
| |
| 摘 要： | 用户偏好挖掘是推荐系统研究中的关键问题,它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络(UPM-GAN),从两个角度深入分析用户隐含偏好:基于三元组损失算法对用户评分矩阵进行处理,挖掘难分负样本,以更好地确立正样本,为准确刻画用户偏好奠定基础;基于奇异值分解(SVD++)算法构建UPM-GAN的生成模型,利用SVD++算法中的偏置信息及隐式参数描述用户隐含偏好,以提高评分预测精度。最后使用最新生成对抗网络(GAN)框架完成推荐系统训练,在MovieLens-100K、MovieLens-1M这两个主流数据集上展开实验仿真。实验表明UPM-GAN的Precision@K、均值平均精度(MAP)等多项指标均优于对比基线,且它还具有收敛速度快、训练过程平稳等优点。基于UPM-GAN的推荐系统具有一定实用价值。
|
| 关 键 词： | 推荐系统 生成对抗网络(GAN) 用户偏好挖掘 奇异值分解(SVD++) 三元组损失 难分负样本 |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
