A contrastive learning framework for Transformer-based collaborative filtering

doi:10.1016/j.eswa.2026.133508

A contrastive learning framework for Transformer-based collaborative filtering

2026-07-01

1

PRE

AI

DOI：10.1016/j.eswa.2026.133508

原文链接

原文求助

摘要

En 中文

在各类机器学习任务中，基于Transformer的模型已引起广泛关注并取得了显著成功。为将Transformer应用于协同过滤（CF），我们设计了一种对比学习框架，称为Transformer协同过滤（TransCF），其中Transformer作为骨干网络从全局协同信号中提取用户偏好。训练过程中，我们不再使用传统的用户-物品对，而是利用每个用户交互过的整个物品集合来捕捉高阶物品间关系。此外，我们整合了Siamese对比学习目标，以确保不同潜在空间中用户表示的一致性和连贯性，这显著提升了稀疏和冷启动场景下的性能。在电子商务、电影和新闻等多个领域的广泛实验表明，TransCF实现了具有卓越预测质量的最新成果。此外，我们提供了可扩展性分析，确认了其在大规模系统中的O(n)效率，并利用基于注意力的可视化技术直观地揭示了用户偏好。

Keyword:

Contrastive learning

Collaborative filtering

Recommendation

Transformer

A contrastive learning framework for Transformer-based collaborative filtering

摘要

期刊

机构

引用论文