42、基于用户反馈与知识图谱的推荐技术研究

基于用户反馈与知识图谱的推荐技术研究

在当今信息爆炸的时代，推荐系统在各个领域都发挥着至关重要的作用。无论是为用户推荐合适的电影、商品，还是为科研人员推荐相关的学术文献，推荐系统都能帮助用户从海量信息中快速找到有价值的内容。本文将介绍两种不同但都十分有价值的推荐技术：基于用户反馈的反事实数据增强推荐方法（UFC4SRec）以及基于知识图谱和多任务学习的引文推荐模型。

UFC4SRec：基于用户反馈的反事实数据增强推荐

UFC4SRec 是一种用于序列推荐任务的反事实数据增强方法，它通过构建反事实生成器和推荐器，利用用户反馈来生成高质量的反事实数据，从而提升推荐系统的性能。

奖励机制

在 UFC4SRec 中，反事实生成器在进行修改操作时会根据奖励机制获得相应的奖励。奖励由两部分组成：基于信息的奖励 (R_{IB}) 和基于预测差异的奖励 (R_{PD})。

基于预测差异的奖励 (R_{PD}) 的计算公式为：
[R_{PD} = \log \left(\sigma \left(H_{i}^{\top}B_{i} - H_{i}^{\top}B_{i}^{*}\right)\right)]
其中，(\sigma(\cdot)) 是 sigmoid 函数。

最终的奖励 (R) 是这两种奖励的组合：
[R = \gamma R_{IB} + (1 - \gamma)R_{PD}]
这里的 (\gamma) 是一个平衡参数，用于调整两种奖励在总奖励中的占比。

通过最大化这个奖励，反事实生成器被鼓励生成高质量的反事实交互，从而提升推荐系统的性能。