近日，信息化建设处魏子涵老师设计了一种基于动量更新对比学习框架的序列推荐算法，有效解决了数据稀疏及采样偏差条件下“用户-物品”有效推荐问题。相关工作以《MoCo4SRec: A momentum contrastive learning framework for sequential recommendation》为题发表在《Expert Systems with Applications》（中科院SCI期刊计算机科学1区TOP；影响因子：8.665）上。
该研究针对推荐系统中常见的数据稀疏（很多用户和物品之间缺少交互）、数据噪声（用户的偶然交互记录）和采样偏差等问题，设计了一种基于动量更新对比学习框架的序列推荐算法MoCo4SRec，是首个将动量对比学习技术应用在序列推荐中的研究。该研究主要包含四个部分：（1）与常见的只在序列层级进行数据增强的研究不同，该研究设计了覆盖序列和向量两个层级的6种数据增强方法，在序列和向量层级同时提升样本的丰富性；（2）设计了一种基于队列的动量更新机制，通过动态更新队列和编码器，在扩大负样本数量的同时保证编码器参数的连续性；（3）针对由于数据稀疏的推荐数据集导致部分扩充的负样本与正样本相似度较高带来的采样偏差问题，设计了一种Instance Weighting方法，通过对这些错误的负样本进行惩罚，保证数据采样的有效性；（4）设计了一种多任务训练方法，同时优化推荐任务、普通对比学习任务和动量对比学习任务的目标函数。通过在8个数据集上的实验，验证了MoCo4SRec的有效性，在最好情况下提升效果可达到9.6%。
近年来，信息化建设处高度重视高水平科学研究，以教育数字化转型为契机，以开放教育教学平台建设为支撑，以科研赋能教育，在相关领域取得了一系列科研成果，为全面落实科技兴校工程贡献应有之义。
MoCo4SRec整体框架图
论文链接：https://doi.org/10.1016/j.eswa.2023.119911
（文：魏子涵 审核：黄黎）