论文标题：

Curriculum Disentangled Recommendation with Noisy Multi-feedback

论文链接：

https://proceedings.neurips.cc/paper/2021/file/e242660df1b69b74dcc7fde711f924ff-Paper.pdf

从多反馈中学习解耦的表征可以提升推荐系统的性能和可解释性，但是存在以下挑战：

多重反馈是复杂的：不同类型的反馈（如点击，曝光未点击和不喜欢等）以及不同的用户意图之间存在复杂的关系；

多反馈是有噪声的：在特征和标签中都存在噪声（无用）信息，这可能会降低推荐性能。

为了解决上述问题，本文提出CDR，提出利用协同过滤动态路由机制去噪并挖掘不同意图之间的关系，同时利用课程学习，从易到难，并且在标签级别去噪。

内容中包含的图片若涉及版权问题，请及时与我们联系删除