Ranxu Zhang

新的因果学习框架增强了多行为推荐系统

研究人员推出了一种新颖的框架 MCLMR，旨在改进多行为推荐系统。这种与模型无关的方法解决了用户习惯和物品分布的混淆效应建模、异构辅助行为的有效聚合以及不同交互类型之间表示的对齐等挑战，同时减轻了偏差。MCLMR 利用因果图进行无偏偏好估计，利用自适应聚合模块融合行为信息，并利用偏差感知对比学习模块进行跨行为对齐。在真实数据集上的实验表明，在各种基线模型上性能均有显著提升，证明了 MCLMR 的有效性和通用适用性。