子豪君

摘要： 本文主要研究并解决推荐系统的隐式反馈数据中**正样本**存在噪声，会损害推荐系统性能的问题。 **“伪正样本”**在推荐系统训练的初始阶段Loss普遍较高，利用这个规律，可以对“伪正样本”和真正的正样本进行区分。 本文提出了**适应性去噪训练（Adaptive Denoising Training，ADT）**策略来解决上述问题，提出了截断损失函数和加权损失函数两种Loss函数，并基于交叉熵损失，在三个数据集上，基于三种推荐模型进行了实验，实验结果表明，ADT可以有效去除“伪正样本”对模型性能的干扰。 阅读全文