序列生成对抗网络在推荐系统中的应用

• 全文链接
• 请求原文

作   者：

伍鑫;  黄勃;  方志军;  刘文竹; 

作者机构：

上海工程技术大学电子电气工程学院;  上海工程技术大学 电子电气工程学院; 

关键词：

推荐系统;  偏好特征;  生成对抗网络(GAN);  序列预测;  Item2vec; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2020 年 56 卷 023 期

页   码：

175-179

摘   要：

推荐系统旨在根据用户的历史行为数据发现该用户可能感兴趣的新项目,并产生相应的推荐.当前大部分的推荐系统多根据用户的历史行为数据,挖掘相似用户,并从相似用户的历史数据中选出彼此历史数据中未出现的新项目;或者根据用户感兴趣的历史项目匹配相似的新项目,从而实现推荐.但这些推荐方式对原始数据有着较强的依赖关系,且难以发觉不同项目之间隐含的序列关系.因此提出一种融合Item2vec和生成对抗网络(Generative Adversarial Networks,GAN)方法的推荐算法,可以学习得到项目间难以表达的关系;挖掘用户历史数据中的序列关系,学习用户兴趣偏好的真实分布;实现用户兴趣偏好的预测.实验发现该推荐算法具有较好的表现.