基于融合奖励的神经协同过滤去曝光偏差推荐模型
Neural collaborative filtering recommendation model for de-exposure bias based on fused rewards
哈尔滨商业大学 管理学院, 哈尔滨 150028
摘要
推荐系统中因交互数据稀疏性和曝光不均导致的强曝光偏差，会集中推荐高曝光物品，忽略低曝光物品的潜在价值，从而限制用户选择并降低用户体验。为解决这一问题，提出一种结合神经协同过滤和线性置信上界算法的去曝光偏差模型。首先，通过分析用户与物品之间的交互数据，利用神经协同过滤算法学习用户和物品的特征，捕捉其潜在偏好；其次，引入线性置信上界算法，并将其生成的奖励值特征嵌入到神经协同过滤模型中，以增强模型对低曝光物品的探索能力；最后，在MovieLens-100K和MovieLens-1M数据集上进行实验，结果显示，与传统的神经协同过滤模型相比，该模型的曝光度提升了约60%，说明其能够有效地缓解曝光偏差，并提高推荐的准确性和公平性，进一步验证了该模型的有效性。
基金项目
2023年哈尔滨商业大学青年科研创新人才培育计划资助项目(2023-KYYWF-1001)
黑龙江省博士后科研启动金资助项目(BS0053)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.05.0184
出版期卷: 《计算机应用研究》 印刷出版, 2025年第42卷 第1期
所属栏目: 算法研究探讨
出版页码: 78-85
文章编号: 1001-3695(2025)01-011-0078-08
发布历史
[2025-01-05] 印刷出版
引用本文
李鹏, 李晓珊, 朱心如. 基于融合奖励的神经协同过滤去曝光偏差推荐模型 [J]. 计算机应用研究, 2025, 42 (1): 78-85. (Li Peng, Li Xiaoshan, Zhu Xinru. Neural collaborative filtering recommendation model for de-exposure bias based on fused rewards [J]. Application Research of Computers, 2025, 42 (1): 78-85. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
