.png){kind=icon}
返回
Beyond Single Sequence: User Correlation Guided Cross-sequence Mixing for Sequential Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1007/s11633-025-1573-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据增强通过生成新的且有效数据来缓解序列推荐中的数据稀疏性问题。现有的大部分工作主要关注单个原始序列上的物品级增强。该方法忽略了不同用户（序列）之间的相关性，难以在跨序列中生成多样且合理的新数据，导致性能提升受限。此外，物品级操作可能破坏原始序列中包含的偏好知识的完整性，从而导致偏好学习不完整。在本文中，我们提出了一种用于序列推荐的用户相关性引导的跨序列混合插件（UCMRec）。我们的核心思想是根据用户相关性图选择适当的序列，并在表示层执行跨序列的mixup操作以生成高质量样本。具体而言，我们基于联合交互构建用户-用户图，并通过两种类型的搜索获取具有不同相关性的候选用户。然后，我们在序列表示层引入mixup操作，以跨序列生成多样且合理的新样本。此外，我们提出了一种拓扑感知的重加权模块，使模型能够基于偏好相似性调整学习强度。全面的实验证明了我们方法的优势。
Keyword:
Recommender systems
sequential recommendation
data augmentation
user correlation
representation-level augmentation
期刊
IF:
8.7
论文数:
304
被引数:
882
机构
引用论文
A Survey of Mix-based Data Augmentation: Taxonomy, Methods, Applications, and Explainability基于混合的数据增强调查: 分类，方法，应用和可解释性
PREAI
分享收藏Improving Sequential Recommendations via Bidirectional Temporal Data Augmentation With Pre-Training通过预训练的双向时序数据增强改进序列推荐
PREAI
分享收藏Mining skewed and sparse transaction data for personalized shopping recommendation.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏
分享收藏分享收藏 没有更多内容
没有更多内容