基于用户偏好挖掘生成对抗网络的推荐系统

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

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61762038, 61861016 国家自然科学基金;the Humanity and Social Science Foundation of the Ministry of Education under Grant No. 17YJAZH117 教育部人文社会科学研究规划项目;the Natural Science Foundation of Jiangxi Province under Grant No. 20171BAB202023 江西省自然科学基金;the Key Research and Development Plan of Jiangxi Provincial Science and Technology Department under Grant Nos. 20171BBG70093, 20192BBE50071 江西省科技厅重点研发计划;the Humanity and Social Science Foundation of Jiangxi Province under Grant No. 16TQ02 江西省社会科学规划项目;the Science and Technology Projects of Jiangxi Provincial Department of Education under Grant Nos. GJJ180320, GJJ190323 江西省教育厅科学技术项目

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：803-814