您当前的位置:
首页 >
文章列表页 >
基于自监督学习的去流行度偏差推荐方法
学术论文 | 更新时间:2025-12-08
    • 基于自监督学习的去流行度偏差推荐方法

    • Self-Supervised Learning for Alleviating Popularity Bias in Recommender Systems

    • 张帅 ,高旻 ,文俊浩 ,熊庆宇 ,唐旭
    • 电子学报 2022年50卷第10期 页码:2361-2371
    • DOI: 10.12263/DZXB.20210443     

      中图分类号:
    • 修回:2021-09-02 ,

    移动端阅览

  •  
  •  
  • HTML全文

  • 图( 9 ) 表( 4 )

  • 参考文献

  • 出版信息

  • 数据统计

论文导航
icon
试读结束,您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束,您可以通过登录账户,到个人中心,购买VIP会员阅读全文。
已是VIP会员?
去登录 >

12

浏览量

95

下载量

5

CSCD

文章被引用时,请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

两方参与的隐私保护协同过滤推荐研究
直播电视推荐系统的评分预测算法研究
基于无损VMD和Mamba的小样本辐射源识别方法
基于层次化掩码图自编码框架的APT威胁检测方法
低轨卫星环境下OTFS跨域嵌入式导频信道估计算法

相关作者

张帅
高旻
文俊浩
熊庆宇
唐旭
张 锋
孙雪冬
常会友

相关机构

信息物理社会可信服务计算教育部重点实验室(重庆大学)
重庆大学大数据与软件学院
中山大学软件学院
中山大学广东省信息安全重点实验室
中山大学软件学院广东广州