典型文献
基于对抗性训练的动态协同过滤推荐算法
文献摘要：
为了改进时间事件上的输入扰动或者攻击可能导致系统推荐性能大幅下降的问题,提出一种基于对抗性训练改进模型鲁棒性的协同过滤推荐算法.通过构建微小扰动对推荐模型进行训练,调整改进网络结构参数,从而提高系统的推荐准确度和抗干扰能力.通过在亚马逊数据集上的实验,并与几个基线模型进行不同Top-K推荐目标下的NDCG性能对比,结果表明:经过对抗训练的改进算法提升了系统鲁棒性,并且在中等扰动情况下可减少性能下降15％以上.
文献关键词：
协同过滤推荐;鲁棒性;对抗性训练
中图分类号：
作者姓名：
黄大巧;朱健军;曹俊卓
作者机构：
浙江通信服务网络科技分公司,浙江 杭州 310000;浙江工业大学信息学院,浙江 杭州 310000
文献出处：
引用格式：
[1]黄大巧;朱健军;曹俊卓-.基于对抗性训练的动态协同过滤推荐算法)[J].软件工程,2022(12):50-53
A类：
B类：
对抗性训练,动态协同,协同过滤推荐算法,导致系统,推荐性,改进模型,模型鲁棒性,小扰动,推荐模型,进网,抗干扰能力,亚马逊,基线模型,Top,NDCG,性能对比,对抗训练,改进算法,性能下降
AB值：
0.329887
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
