论文标题：

Disentangling Long and Short-Term Interests for Recommendation

论文链接：

https://arxiv.53yu.com/pdf/2202.13090.pdf

代码：

https://github.com/tsinghua-fib-lab/CLSR

本文结合自监督方法提出CLSR模型来挖掘用户的长短期兴趣，并进行进一步的解耦。

1. 首先提出了两个独立的编码器来独立捕获不同时间尺度的用户兴趣。

2. 然后从交互序列中提取长期和短期兴趣代理，作为用户兴趣的伪标签。

3. 然后设计成对对比任务来监督兴趣表征与其相应兴趣代理之间的相似性。

4. 最后由于长期和短期兴趣的重要性是动态变化的，通过基于注意力的网络自适应地聚合它们进行预测。

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