{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,8]]，“日期-时间”：“2024-05-08T06:36:12Z”，“时间戳”：1715150172095}，“参考-计数”：65，“出版商”：“计算机协会（ACM）”，“问题”：“5”，“资助者”：[{“DOI”：“10.13039\/501100012166”，“名称”：“中国国家重点研发计划”，“doi-asserted-by”：“publisher”，“award”：[“2018YFC0831604”]}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[2021,10,31]}，”抽象“在各种推荐方法中，潜在因素模型通常被认为是最先进的技术，其目的是学习用户和项目嵌入以预测用户-项目偏好。将潜在因素模型应用于具有内隐反馈的推荐时，嵌入的质量往往受到正反馈不足和负反馈噪声的影响。受NSVD基于用户交互项目表示用户的思想启发，本文提出了一种基于双重嵌入的深层潜在因素隐式反馈推荐方法。除了学习用户的原始嵌入（resp.item）之外，我们还从交互项（resp.users）的角度用额外的嵌入来表示每个用户（resp.tem），并提出注意的神经方法来区分交互用户项对双重嵌入学习的重要性。我们设计了两个基于双重嵌入的深度潜在因素模型，DELF\u00a0和DESEQ，分别用于纯协作过滤和时间协作过滤（即顺序推荐）。所提出的模型的新颖尝试是用四个深度表示来捕捉每个用户-项目交互，这四个深度表示被巧妙地融合用于偏好预测。我们在四个真实数据集上进行了广泛的实验。结果验证了用户-项目双重嵌入的有效性以及我们的项目推荐方法的优越性能<\/jats:p>“，”DOI“：”10.1145\/3447395“，”type“：”journal-article“，”created“：{”date-parts“：[2021,4,15]]，”date-time“：”2021-04-15T10:40:41Z“，”timestamp“：1618483241000}，”page“：“1-24”，“update-policy”：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“源”：“Crossref”，“is-referenced-by-count”：8，“标题”：[“基于双嵌入的深层潜在因素推荐模型“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”给定“：”魏玉“，”家庭“：”成“，”序列“：”第一“，”从属“：[}”名称“：”中国上海交通大学“}]}，{”给出“：”燕燕“，”家族“：”沈“，“序列”：”附加“，”隶属“：[[{“名称”：“中国上海交通大学“}]}，{“给定”：“林鹏”，“家庭”：“黄”，“序列”：“附加”，“隶属关系”：[{“名称”：“中国上海交通学院”}]}.，{”给定“：“Yanmin”，“家族”：“朱”，“顺序”：“额外”，“附属关系”：[{“姓名”：“上海交通大学”}]]，“成员”：“320”，“published-online“：{“date-parts”：[[2021,4,15]]}，“reference”：[{“key”：“e_1_2_1_1”，“volume-title”：“Recommender Systems-The Textbook”，“author”：“Aggarwal Charu C.”，“unstructured”：“Charu C.Aggarwal.2016”。推荐系统-教科书。斯普林格。内政部：https:\/\/DOI.org\/10.1007\/978-3-319-29659-3 Charu C.Aggarwal。2016.推荐系统-教科书。斯普林格。DOI:https:\/\/DOI.org\/10.1007\/978-3-319-29659-3“}，{“key”：“e_1_2_1_1”，“volume-title”：“第七届ACM SIGKDD国际知识发现和数据挖掘会议论文集.227--232”，“作者”：“Charu”，“非结构化”：“Charu C.Aggarwal和Srinivasan Parthasarathy.2001。通过概念重构挖掘大量不完整数据集。第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集。227--232 . Charu C.Aggarwal和Srinivasan Parthasarathy。2001.通过概念重建挖掘大量不完整的数据集。第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集。227--232.“}，{”key“：”e_1_2_1_3_1“，”volume-title“：”ParVecMF:一个基于段落向量的矩阵因式分解推荐系统。arXiv预印本arXiv:1706.07513“，”author“：”Alexandrids Georgios“，”year“：”2017“，”unstructured“：”Georgios-Alexandris，Geologios Siolas，and Andreas Stafylopatis.2017“。ParVecMF：一个基于段落向量的矩阵分解推荐系统。arXiv预印arXiv:1706.07513（2017）。乔治奥斯·亚历山大迪斯（Georgios Alexandridis）、乔治奥斯·西奥拉斯（Georgio Siolas）和安德烈亚斯·斯塔夫洛帕蒂斯（Andreas Stafylopatis）。2017.ParVecMF：基于段落向量的矩阵分解推荐系统。arXiv预印arXiv:1706.07513（2017）。“}，{”key“：”e_1_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3308560.331601”}，“key”：“e_2_1_5_1”，“volume-title”：“第三届国际学习代表大会（ICLR'15）会议记录”，“author”：“Bahdanau Dzmitry”，“year”：“2014”，“unstructured”：“”Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。2014 . 神经机器翻译通过联合学习对齐和翻译。第三届国际学习代表大会（ICLR’15）会议记录。Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。2014年，通过联合学习对齐和翻译实现神经机器翻译。第三届国际学习代表大会（ICLR’15）会议记录。“}，{”key“：”e_1_1_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3038912.3052694”}，“key”：“e_1_cu1_7_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TPAMI.2013.50“}”，{“key“:”e_2_1_8_1“年份“：”1998“，”非结构化“：”约翰·布雷斯（John S.Breese）、大卫·赫克曼（David Heckerman）和卡尔·迈尔斯·卡迪（Carl Myers Kadie）。1998 . 协同过滤预测算法的实证分析。第14届人工智能不确定性会议论文集。43--52 . 约翰·布雷斯（John S.Breese）、大卫·赫克曼（David Heckerman）和卡尔·迈尔斯·卡迪（Carl Myers Kadie）。1998年，《协作过滤预测算法的实证分析》，第14届人工智能不确定性会议论文集。43--52.“}，{“key”：“e_1_2_1_9_1”，“doi断言者”：“publisher”，“doi”：“10.1145\/5564376.564419”}，{“key”：“e_1_1_10_1”，“doi断言者”：“publisher”，“doi”：“10.1145\/307136.3080797”}，{“key”：“e_1_1_11_1”，“doi断言者”：“publisher”，“doi”：“10.1609\/aai.v34i01.5330”}，{“key”：“e_ 1_2_1_12_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/3159652.3159668“｝，｛“key”：“e_1_2_1_13_1”，“volume title”：“第23届国际人工智能联合会议论文集。2605-2611”，“author”：“Cheng Chen”，“year”：“2013”，“nonstructured”：“Chen Cheng，Haiqin Yang，Michael R。Lyu和Irwin King。2013 . 接下来你想去哪里：连续的兴趣点推荐。第23届国际人工智能联合会议记录。2605--2611 . Chen Cheng、Haiqin Yang、Michael R.Lyu和Irwin King。2013.下一步你想做什么：连续的兴趣点推荐。第23届国际人工智能联合会议论文集。2605--2611.“}，{”key“：”e_1_1_14_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1609\/aaaai.v34i04.5768”}，“key”：“e_2_1_15_1”，“doi-assert-by”：“publisher”，”doi“：”10.24963\/ijcai.2018\/462“}”，{/TKDE.2018.2881260“}，{”key“：”e_1_2_1_17_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2783258.2783346“}，{“key”：“e_1_2_1_18_1”，“doi-asserted-by”：“publisher”，”doi“：“10.24963\/ijcai.2019\/309”}，“{”key“：”e_1_ 1_19_1“，”doi-assert-by“：”publisher“，“doi”：“10.1109\/ICCV.2015.486”}、{“key”：”e_ 1_1_20_1“、”volume-title“：”第十四届国际人工智能与统计会议论文集。315-323“，”作者“：”格洛特·泽维尔”，“年份”：“2011年”，“非结构化”：“泽维尔·格洛特、安托万·博德斯和约舒亚·本吉奥。2011 . 深度稀疏整流器神经网络。第14届国际人工智能与统计会议论文集。315--323 . 泽维尔·格洛特、安托万·博德斯和约舒亚·本吉奥。2011.深度稀疏整流器神经网络。第14届国际人工智能与统计会议论文集。315--323.“}，{”键“：”e_1_2_1_21_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICDM.2016.0030”}，“键”：“e_1_i_1_22_22_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/2806416.2806504“}”，{“键”:“e_2_123_1”、“doi-aserted-by”:“publishers”，”doi“：“10.1145\/3397271.3401063”}，{“键”：“e_1_2_1_24_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1145 \/2600428.2609558“}，{“key”：“e_1_2_1_25_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109 \/TKDE.2018.2831682“}“，{”key“：”e_1_i_1_26_1“，”doi-assert-by“：”publisher“，51.2911489“}，{”键“：”e_1_2_1_28_1“，”卷时间“：”第四届学习表征国际会议（ICLR’16）论文集”，“作者”：“Hidasi Bal\u00e1zs”，“年份”：“2015年”，“非结构化”：“Bal\u 00e1z Hidasi，Alexandros Karatzoglou，Linas Baltrunas，and Domonkos Tikk。2015 . 基于会话的推荐和递归神经网络。第四届国际学习代表大会（ICLR’16）会议记录。Bal\u00e1zs Hidasi、Alexandros Karatzoglou、Linas Baltrunas和Domonkos Tikk。2015.基于会话的建议，带有递归神经网络。第四届国际学习代表大会（ICLR’16）会议记录。“}，{”key“：”e_1_1_29_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/0893-6080（89）90020-8”}，“key”：“e_2_1_30_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICDM.2008.22“}”，{，{“键”：“e_1_2_1_32_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1145\/24887575.2487589”}，{“key”：“e_1_2_1_33_1”，“volume-title”：“IEEE数据挖掘国际会议论文集。IEEE计算机学会，197-206”，“author”：“Kang Wang-Cheng”，“year”：“2018”，“unstructured”：“Wang-Cheng Kang and Julian J.McAuley。2018。自我关注的顺序推荐。IEEE数据挖掘国际会议论文集。IEEE计算机学会，197-206。DOI:https:\/\/DOI.org\/10.109\/ICDM。2018年，00035王成康和朱利安·麦考利。2018年，自我关注的顺序推荐。IEEE数据挖掘国际会议论文集。IEEE计算机学会，197-206。DOI:https:\/\/DOI.org\/10.109\/ICDM.2018.00035“}，{“key”：“e_1_2_1_34_1”，“DOI-asserted-by”：“publisher”，”DOI“：”10.1007\/s10489-015-0720-8“}”，{”key“：”e_1_i_1_35_1“，”volume-title“：”第三届国际学习表征会议（ICLR'15）论文集“，”author“：”Diederik“，”unstructured“：”Diederik P.Kingma和Jimmy Ba.2014。亚当：一种随机优化方法。第三届国际学习代表大会（ICLR’15）会议记录。Diederik P.Kingma和Jimmy Ba.2014年。亚当：一种随机优化方法。第三届国际学习代表大会（ICLR’15）会议记录。“｝，｛”key“：”e_1_2_1_36_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/140180.1401944“｝，｛”key“：”e_1_1_37_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/155709.1557072“｝，｛”key“：”e_1_1_38_1“，”doi由“：”publisher“断言，”doi“：”10.1145\/3394486.3403226“｝，｛”key“：”e_1_39_1“，”由“：”publisher“断言，”doi“：”10.1109\/ICDM.2018.00144“｝，｛”key“：”e_1_2_1_40_1“，”doi断言“：”publisher“，”doi“：”10.1145\/2806416.2806527“｝，｛”key“：”e_1_2_1_41_1“，”卷标题“：”神经信息处理系统年会论文集.855-863“，”作者“：”Livni Roi“，”年份“：”2014“，”非结构化“：”罗伊·利夫尼、沙伊·沙列夫·施瓦茨和奥哈德·沙米尔。2014 . 关于训练神经网络的计算效率。神经信息处理系统年度会议论文集。855--863 . 罗伊·利夫尼、沙伊·沙列夫·施瓦茨和奥哈德·沙米尔。2014.关于训练神经网络的计算效率。《神经信息处理系统年会论文集》。855--863.“}，{”key“：”e_1_2_1_42_1“，”doi-asserted-by“：”crossref“，“unstructured”：“托马斯·内德莱克·埃琳娜·斯米尔诺娃（Thomas Nedelec Elena Smirnova）和弗拉维安·瓦西莱（Flavian Vasile.2016）。Content2vec：专门为产品推荐任务提供产品图像和文本的联合表示。(2016). 托马斯·内德莱克·埃琳娜·斯米尔诺娃（Thomas Nedelec Elena Smirnova）和弗拉维安·瓦西莱（Flavian Vasile）。2016.Content2vec：专门为产品推荐任务提供产品图像和文本的联合表示。(2016).“，”DOI“：”10.1145\/3125486.3125489“}，{“key”：“e_1_2_1_43_1”，“volume-title”：“从单词嵌入到项目推荐。arXiv预印本arXiv:1601.01356”，“author”：“Ozsoy Makbule Gulcin”，“year”：“2016”，“unstructured”：“Makbule-Gulcin Ozsoy.2016”。从单词嵌入到项目推荐。arXiv预印arXiv:1601.01356（2016）。Makbule Gulcin Ozsoy公司。2016.从单词嵌入到项目推荐。arXiv预印arXiv:1601.01356（2016）。“}，{”key“：”e_1_2_1_44_1“，”volume-title“：”利用fasttext推荐场地。arXiv预印本arXiv:2005.12982“，”author“：”Ozsoy Makbule Gulcin“，”year“：”2020“，”unstructured“：”Makbule-Gulcin Ozsoy.2020“。利用快速文本进行场馆推荐。arXiv预印arXiv:2005.12982（2020）。Makbule Gulcin Ozsoy公司。2020年。使用fasttext进行场馆推荐。arXiv预印arXiv:2005.12982（2020）。“}，{”key“：”e_1_1_45_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1557019.1557094”}，“key”：“e_2_1_46_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICDM.2008.16 H\u00e9-Buc，e。Fox和R.Garnett（编辑）。Curran Associates，Inc.，8024--8035“，“作者”：“Paszke Adam”，“年份”：“2019年”，“非结构化”：“Adam Paszke，Sam Gross，Francisco Massa，Adam Lerer，James Bradbury，Gregory Chanan，Trevor Killeen，Zeming Lin，Natalia Gimelshein，Luca Antiga，Alban Desmaison，Andreas Kopf，Edward Yang，Zachary DeVito，Martin Raison，Alykhan Tejani，Sasank Chilamkurthy、Benoit Steiner、Lu Fang、Junjie Bai和Soumith Chintala。2019 . PyTorch：一个命令式、高性能的深度学习库。神经信息处理系统进展论文集。H.Wallach、H.Larochelle、A.Beygelzimer、F.d'Alch\u00e9-Buc、E.Fox和R.Garnett（编辑）。Curran Associates公司，8024--8035。Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga、Alban Desmaison、Andreas Kopf、Edward Yang、Zachary DeVito、Martin Raison、Alykhan Tejani、Sasank Chilamkurthy、Benoit Steiner、Lu Fang、Junjie Bai和Soumith Chintala。2019.PyTorch：一个命令式、高性能的深度学习库。神经信息处理系统进展论文集。H.Wallach、H.Larochelle、A.Beygelzimer、F.d'Alch\u00e9-Buc、E.Fox和R.Garnett（编辑）。Curran Associates，Inc.，8024-8035.“｝，｛”键“：”e_1_2_1_48_1“，”卷标题“：”KDD Cup和Workshop会议记录“，”卷“：”2007“，”作者“：”Paterek Arkadiusz“，”年份“：”2007“，”非结构化“：”阿卡迪乌斯·帕特雷克。2007 . 改进正则奇异值分解用于协同过滤。KDD杯和研讨会会议记录。2007年第卷。5--8. 阿卡迪乌斯·帕特雷克。2007。改进用于协同过滤的正则奇异值分解。在KDD Cup和Workshop论文集上。2007年第卷。5-8.“}，{“key”：“e_1_2_1_49_1”，“volume-title”：“提前停止-但是什么时候？在神经网络中：交易的技巧”，“author”：“Prechelt Lutz”，“unstructured”：“Lutz Prechelt.1998。提前停止——但什么时候？《神经网络：交易的技巧》。斯普林格，55-69。Lutz Prechelt。1998.提前停止——但什么时候？《神经网络：交易的技巧》。Springer，55-69.“}，{”key“：”e_1_2_1_50_1“，”volume-title“：”第25届人工智能不确定性会议论文集.452-461“，”author“：”Rendle Steffen“，”year“：”2009“，”unstructured“：”斯特芬·伦德尔（Steffen Rendle）、克里斯托夫·弗洛伊登塔勒（Christoph Freudenthaler）、泽诺·甘特纳（Zeno Gantner）和拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）。2009 . BPR：基于隐含反馈的贝叶斯个性化排名。第25届人工智能不确定性会议论文集。452--461 . 斯特芬·伦德尔（Steffen Rendle）、克里斯托夫·弗洛伊登塔勒（Christoph Freudenthaler）、泽诺·甘特纳（Zeno Gantner）和拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）。2009年BPR：基于隐性反馈的贝叶斯个性化排名。第25届人工智能不确定性会议论文集。452--461.“}，{”key“：”e_1_2_1_51_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1772690.1772773”}，“key”：“e_1_cu52_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/125408.1454047“}”，{，{“键”：“e_1_2_1_54_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1145\/371920.372071“}，{“key”：“e_1_2_1_55_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3159652.3159656“}”，{”key“：”e_1_i_1_56_1“，”doi-assert-by“：”publisher“，“doi”：“10.1145\/2959100.2959160 16“}，{”key“：”e_1_2_1_58_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2783258.2783273“}，{“key”：“e_1_2_1_59_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/2766462.276694“}”，{”key“：”e_1_i_1_60_1“，”doi-assert-by“：”publisher“，“doi”：“10.1145\/3038912.3052638”}，“key“”：“e_1_2_1_61_1”、“doi-sserted-by“”：”publicher“，”doi:“10.1145\/3292500.3 330989“}，{”key“：”e_1_2_1_62_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3331184.331267“}，{“key”：“e_1_2_1_63_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/2835776.2835837“}、{“key”：”e_1_i_1_64_1“，”doi-assert-by“：”publisher“，2939672.2939673“}]，”集装箱标签“：[”ACM Transactions on Knowledge Discovery from Data“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3447395“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1]]，”date-time“：“2023-01-01T23:30:45Z”，“timestamp“：1672615845000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3447395“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2021,4,15]]}，‘references-count’：65，‘journal-issue’：{‘issue’：“5”，‘published-print‘：{’date-part‘：[2021,10,31]]}}，“alternative-id”：[“10.1145\/3447395”]，“URL”：“http:\/\/dx.doi.org\/10.1145\/3447395“，”关系“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-481“，”type“:”print“}，{”value“：0-07-01“，”订单“：0，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“publication_history“，”label“：”publication history“}}，”value“：”2021-01-01“，”order“：1，”name“：”accepted“，”tabel“：“accepted”，“group”：{“name”：“publication_history”，“label”：“publication-history”}，{“value”：“2021-04-15”，”orders“：2，”name：“published”，”label:“published”，”group“：