一种基于采样优化和数据增强的个性化推荐方法

本发明公开了一种基于采样优化和数据增强的个性化推荐方法，该方法首先收集推荐系统所需的数据集，包括用户行为数据和商品信息。其次根据数据集，进行基于Gumbel‑Softmax算法的正负采样。最后输入初始化的用户和商品向量，选择一个基础编码器得到编码后用户和商品向量，利用步骤2中得到的正负样本进行训练，采用贝叶斯个性化排名损失作为目标函数，结合梯度下降优化算法进行更新。最后利用已经训练并收敛的编码器，为用户推荐与其兴趣最相似的物品。本发明通过高效负采样和有效的正样本增强，缓解负样本低效和正样本不足的问题，从而提高推荐精度和效率，同时增强模型对正负样本的识别能力。