论文标题：COURIER: contrastive user intention reconstruction for large-scale visual recommendation

期刊：Frontiers of Computer Science

作者：Jia-Qi YANG , Chenglei DAI , Dan OU , Dongshuai LI , Ju HUANG, De-Chuan ZHAN , Xiaoyi ZENG , Yang YANG

发表时间：11 Jun 2024

DOI： 10.1007/s11704-024-3939-x

微信链接：点击此处阅读微信文章

引用格式：

Jia-Qi YANG, Chenglei DAI, Dan OU, Dongshuai LI, Ju HUANG, De-Chuan ZHAN, Xiaoyi ZENG, Yang YANG. COURIER: contrastive user intention reconstruction for large-scale visual recommendation. Front. Comput. Sci., 2025, 19(7): 197602

阅读原文：

文章概述

针对大规模商品推荐系统中视觉特征难利用的问题，本文旨在专门为推荐系统设计一种图像特征预训练的方法来提取和用户的视觉意图相关的特征，从而能够在点击率预估中提高准确率。

技术步骤

通过将数据组织成展示页面和用户历史点击的形式，可以使用注意力模块实现用户兴趣的重构，重构后的用户兴趣嵌入通过对比学习损失函数进行优化，使得点击样本的重构误差尽量小，未点击样本的重构误差较大，达到区分用户兴趣的目的。

实验结果

大量实验结果表明，基于本文提出的用户意图重构对比学习方法，可以显著提高点击率预估模型的性能；在淘宝线上商品推荐系统中的应用展现了所述方法能够有效提高用户浏览量和点击率。

中国学术前沿期刊网

http://journal.hep.com.cn