计算机研究与发展

作者：孙肖依,刘华锋,景丽萍,于剑,

关键词：个性化推荐, 深度生成模型, 排序学习, 隐式反馈, 列表级排序,

变分自编码器(variationalautoencoder,VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力，而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经取得了优越的表现，但仍存在一些未解决的问题，例如无法针对隐式反馈的推荐数据为用户生成个性化的推荐排序列表.因此，通过借助多项式似然对变分自编码器实施基于列表的排序策略，提出了一种深度生成推荐模型.该模型具有同时生成点级隐式反馈数据并为每个用户创建列表式偏好排序的能力.为了将排序损失与变分自编码器损失结合起来，采取归一化累计损失增益(normalizedcumulativelossgain,NDCG)作为排名损失，并通过平滑函数进行近似.在3个真实世界数据集上(MovieLens-100k,XuetangX和Jester)进行了实验.实验结果表明：结合了列表级排序的变分自编码器在推荐个性化列表所有评价指标上,相比于其他基线模型拥有更出色的表现.

来源：2020年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2020年第8期