基于对抗性训练的动态协同过滤推荐算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：为了改进时间事件上的输入扰动或者攻击可能导致系统推荐性能大幅下降的问题，提出一种基于对抗性训练改进模型鲁棒性的协同过滤推荐算法。通过构建微小扰动对推荐模型进行训练，调整改进网络结构参数，从而提高系统的推荐准确度和抗干扰能力。通过在亚马逊数据集上的实验，并与几个基线模型进行不同Top-K推荐目标下的NDCG性能对比，结果表明：经过对抗训练的改进算法提升了系统鲁棒性，并且在中等扰动情况下可减少性能下降15%以上。（剩余7283字）

试读结束

目录
monitor