一种基于协同自回归流实现的Top-n项目推荐方法

摘要

本发明提供了一种利用协同自回归流(CAF)实现的项目推荐方法，将基于自回归流的生成模型扩展到协同过滤技术，用于建模隐式反馈。CAF通过一系列可逆变换将简单的初始密度转换为更复杂的符合数据真实分布的密度，挖掘用户访问过的项目以及用户和项目的属性特征中存在的潜在信息，从而能够学习到更有表示能力的用户潜在表示和项目潜在表示，稳定有效地为用户推荐下一次最有可能访问的项目。此外，本发明在模型中加入了协同自回归流去学习隐含变量的真实分布，这可以减小传统的变分模型(比如VAE)在基于会话的推荐问题中的误差。