一种结合对偶对抗生成网络的鲁棒的个性化排名方法

摘要

本发明用于计算机推荐领域，提出一种鲁棒的个性化排名方法，旨在为用户提供鲁棒的个性化推荐列表，帮助用户更有效地发现自己可能感兴趣的物品。对于推荐系统应用平台来说，鲁棒有效的物品推荐列表也有助于提高用户对该推荐系统的信任度，提高用户粘性。针对现有个性化排名方法中存在的欠鲁棒问题，本发明在学习用户和物品的潜因子表达的同时，致力于提高用户和物品的潜因子表达的鲁棒性，从而得到一个更鲁棒的个性化排名模型。相较于现有鲁棒的个性化排名方法，本发明提出的个性化排名方法可以归纳地建模规模扩展的数据集中的噪音，是一种归纳式的鲁棒的个性化排名方法。