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