基于对比学习和傅里叶变换的序列推荐算法

摘要：

提出一种基于自注意力机制和傅立叶变换的序列推荐算法CSFTRec.通过过滤原始数据中的噪声,最大限度地提高自注意力机制对序列数据的特征捕捉能力.根据对比学习的特点,在贝叶斯个性化排名的基础上引入一种新的对比损失,用于联合训练,可以缩短不同相似序列之间的距离.在 8个公共数据集上的实验表明,CSFTRec的收敛速度更快,推荐精度有3%～5%的提高,更适合处理序列数据.

关键词：对比学习、推荐算法、序列推荐、自注意力机制

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;新疆维吾尔自治区教育厅项目;新疆维吾尔自治区自然科学基金

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：610-619