论文标题:
CrossCBR: Cross-view Contrastive Learning for Bundle Recommendation
论文链接:
https://arxiv.org/pdf/2206.00242.pdf
代码:
https://github.com/mysbupt/CrossCBR
捆绑推荐旨在向用户推荐一组相关商品,可以满足用户的各种需求。现有方法通常利用用户-包(user-bundle)和用户商品两者的交互信息来获得用户和包(bundle)的信息表征,分别对应于包视图和商品视图。然而,他们要么使用没有差异的统一视图,要么直接结合两个独立视图的预测,而忽略了两个视图表示之间的关键协作关联。目标:捆绑推荐是计算用户是否会和当前捆绑包交互。本文通过跨视图对比学习来模拟两种不同视图之间的合作关联。
-
使两个单独学习的视图对齐,每个视图可以从另一个视图中提取互补信息,实现相互增强。 -
此外,通过扩大不同用户/捆绑包的分散度,增强了表征的自识别性。
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
评论
沙发等你来抢