weixin_45305068的博客

原创 基于增益的动态负采样方法用于推荐系统A Gain-Tuning Dynamic Negative Sampler for Recommendation

由于常用方法存在假负例的情况，因此本文希望找到一种更可靠的衡量方式来找到负样本。提出的相关方法，现有的方法通常侧重于保持具有高梯度的难负样本进行训练，导致优先选择假负样本。假阴性噪声可能导致模型的过拟合和较差的泛化性。为了解决这个问题，本文提出了一种增益调整动态负采样方法。设计了一个增益感知函数来计算商品j是一个真正的负样本的概率，如下式，其中α是使训练稳定的平滑超参数，ϵ防止分母为0。以前的工作通常优化成对的基于边际的损失，将高分分配给正实例，将低分分配给负实例。考虑到一下两方面，作者提出分组损失。