一种曝光公平表征学习的个性化推荐方法

本发明涉及一种曝光公平表征学习的个性化推荐方法，属于推荐系统及深度学习技术领域。其包括以下步骤：获取电子商务数据，构建电子商务数据集，并划分训练集和测试集；构建曝光公平表征学习的个性化推荐模型，所述模型包括初始嵌入模块、编码器学习模块和曝光公平性模块；通过训练集中电子商务数据对曝光公平表征学习的个性化推荐模型进行训练；利用损失函数并通过Adam优化器对训练过程中的模型进行优化，得到训练好的模型；将测试集中电子商务数据输入到训练好的模型中，得到个性化推荐结果。本发明不仅能够提供个性化推荐，还能够显著降低推荐系统中的偏差，提升用户体验和系统的曝光公平性。