Kernkonzepte
Die SSDRec-Methode verbessert die sequenzielle Empfehlung durch Selbstaugmentierung und Rauschunterdrückung.
Zusammenfassung
Die SSDRec-Methode zielt darauf ab, die Qualität von Empfehlungssystemen durch die Einbeziehung von Selbstaugmentierung und Rauschunterdrückung zu verbessern. Der Artikel gliedert sich in die folgenden Abschnitte:
Einleitung: Traditionelle Empfehlungsmethoden und die Notwendigkeit der sequenziellen Empfehlung.
Methodik: Konstruktion eines Multi-Relationsgraphen, Einbettungsschicht, globaler Relationen-Encoder, Selbstaugmentierungsmodul und hierarchisches Rauschunterdrückungsmodul.
Experimente: Evaluation der SSDRec-Methode auf fünf öffentlichen Datensätzen, Vergleich mit verschiedenen Baselines und Analyse der Modellkomplexität.
Ergebnisse: Verbesserungen in Hit Ratio, NDCG und MRR im Vergleich zu anderen Modellen.
Diskussion: Flexibilität, Effektivität und Effizienz der SSDRec-Methode.
Statistiken
"Extensive experiments on five real-world datasets demonstrate the superiority of SSDRec over state-of-the-art denoising methods."
"The source code is available online at https://github.com/zc-97/SSDRec."
Zitate
"To improve reliability, we propose to augment sequences by inserting items before denoising."
"Extensive experiments on five real-world datasets demonstrate the superiority of SSDRec over state-of-the-art denoising methods."