首篇自监督学习推荐系统综述: 150篇文献概述四大类方法(含开源算法库SELFRec)...

嘿，记得给“机器学习与推荐算法”添加星标

---

今天跟大家分享一篇来自于昆士兰大学总结的基于自监督学习的推荐系统综述，该文章总结了150篇自监督推荐系统相关的文献。具体的，该文根据统一的范式概括了四大类方法，并提炼了三种训练范式。另外，还总结了三类数据的经典数据增强技术。最后该文提出了一个全新的自监督推荐系统开源库SELFREC，该库实现了超10种经典的自监督学习推荐算法。作者希望通过总结的文章为该领域的学者与实践人员提供统一的视角与整体的学习框架。

论文：https://arxiv.org/abs/2203.15876

代码：https://github.com/Coder-Yu/SELFRec

（太长不看版）本文的最大贡献是提出了一种统一的分类方式将当前基于自监督学习的推荐系统进行分类，并提出了一个易于扩展与使用的开源工具包。具体的贡献如下：

1. 首先对基于自监督学习方法的推荐系统（SSR）进行全面的综述，力求尽可能多的调研相关文献，该文是该领域方向的首篇综述；

2. 该文提出了针对于SSR的专属定义，并且提出了一个综合的分类视角，即将当前的SSR方法归纳为了对比式方法、生成式方法、预测式方法与混合方法。针对每一类方法，该文详细的阐述了其概念、公式、相关方法以及优缺点分析。

3. 本文提出了一个开源工具包SELFREC，其包括了多个基准数据集以及评价指标，另外还实现了超10种SSR算法。
   

4. 最后，本文介绍了该方向的局限性，并总结了剩余的挑战与未来研究方向。

另外，关于自监督学习推荐系统总结文章可阅读RSPapers | 基于自监督学习推荐系统论文合集。关于推荐系统综述可参考入门推荐系统，这25篇综述文章足够了。

对于SSR的定义

自监督学习的问世为推荐系统领域提供了一种缓解数据稀疏问题的新视角，通过总结在推荐系统领域运用自监督学习技术的方式，该文总结了