【重庆大学】基于生成式对抗网络的推荐系统:一个问题驱动的视角

摘要推荐系统(RS)在人们网络生活的各个方面都扮演着非常重要的角色。许多公司利用简历来帮助用户发现新的和喜欢的项目。尽管取得了实践上的成功，这些系统仍然存在两个主要问题:数据噪声和数据稀疏性。近年来,生成对抗网络(GANs)在许多领域都取得了成功,因为它们的巨大的潜力来学习复杂的实际数据分布,他们还提供新的RS手段缓解上述问题。特别是由于对抗的学习,可以通过添加对抗的扰动或迫使鉴别器分辨信息和不提供信息的数据的样本处理数据噪声的问题。为了减少数据稀疏性问题，基于GAN的模型能够复制user-item交互的真实分布，并增加可用数据。为了全面了解这些基于GAN的推荐模型，我们对这些研究进行了回顾，并从问题驱动的角度对它们进 ………………………………