计算机科学与探索

作者：李广丽，滑瑾，袁天，朱涛，邬任重，姬东鸿，张红斌

单位：1. 华东交通大学 信息工程学院，南昌 3300132. 华东交通大学 软件学院，南昌 3300133. 武汉大学 国家网络安全学院，武汉 430072

关键词：推荐系统,生成对抗网络（GAN）,用户偏好挖掘,奇异值分解（SVD++）,三元组损失,难分负样本

用户偏好挖掘是推荐系统研究中的关键问题，它对于改善推荐质量具有非常重要的作用。提出用户偏好挖掘生成对抗网络（UPM-GAN），从两个角度深入分析用户隐含偏好：基于三元组损失算法对用户评分矩阵进行处理，挖掘难分负样本，以更好地确立正样本，为准确刻画用户偏好奠定基础；基于奇异值分解（SVD++）算法构建UPM-GAN的生成模型，利用SVD++算法中的偏置信息及隐式参数描述用户隐含偏好， 以提高评分预测精度。最后使用最新生成对抗网络（GAN）框架完成推荐系统训练，在MovieLens-100K、MovieLens-1M这两个主流数据集上展开实验仿真。实验表明UPM-GAN的Precision@K、均值平均精度（MAP）等多项指标均优于对比基线，且它还具有收敛速度快、训练过程平稳等优点。基于UPM-GAN的推荐系统具有一定实用价值。

来源：2020年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第5期