典型文献
基于对比学习的多模态序列推荐算法
文献摘要：
针对如何利用商品的多模态信息提高序列推荐算法准确性的问题,提出一种基于对比学习技术的多模态序列推荐算法.该算法首先通过改变商品颜色和截取商品图片中心区域等手段进行数据增强,并把增强后的数据与原数据进行对比学习,以提取到商品的颜色和形状等视觉模态信息;其次对商品的文本模态信息进行低维空间嵌入,从而得到商品多模态信息的完整表达;最后根据商品的时序性,采用循环神经网络(RNN)建模多模态信息的序列交互特征,得到用户的偏好表达,从而进行商品推荐.在两个公开的数据集上进行实验测试的结果表明,与现有的序列推荐算法LESSR相比,所提算法排序性能有所提升,且该算法在特征维度值到达50后,推荐性能基本保持不变.
文献关键词：
对比学习;多模态;神经网络;序列推荐;特征交互
中图分类号：
作者姓名：
韩滕跃;牛少彰;张文
作者机构：
北京邮电大学计算机学院,北京100876;东南数字经济发展研究院,浙江衢州324000
文献出处：
引用格式：
[1]韩滕跃;牛少彰;张文-.基于对比学习的多模态序列推荐算法)[J].计算机应用,2022(06):1683-1688
A类：
LESSR
B类：
对比学习,序列推荐,推荐算法,多模态信息,学习技术,截取,中心区,数据增强,取到,视觉模态,低维空间,空间嵌入,时序性,循环神经网络,RNN,交互特征,行商,商品推荐,实验测试,推荐性,特征交互
AB值：
0.292615
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。
