来源：期刊VIP网 时间：
作者：王庆刚;陈华春;张林;
单位：西南石油大学网络与信息化中心;西南石油大学计算机与软件学院;
摘要：海量数据中往往包含复杂的用户行为模式、物品属性以及它们之间的关系，这些关系通常具有非线性的特点。传统的生成对抗网络（GAN）在处理序列数据时可能面临非线性建模的挑战。为有效捕捉用户的长短期兴趣变化，丰富内容多样性，并提升在海量数据场景下的处理能力和稳定性，提出一种面向海量数据场景的生成对抗网络推荐算法。长短期记忆（LSTM）网络以用户对数据场景的行为模式作为输入，输出用户感兴趣的数据场景的长短期动态序列。文中将LSTM与GAN相结合，形成L-GAN推荐模型。在该模型中，LSTM输出的长短期动态序列被输入到生成对抗网络的生成器中，通过优化损失函数生成类似真实数据场景的假样本。将假样本与真实数据场景一同输入到判别器中，通过其目标函数甄别真伪。生成器与判别器经过反复较量与训练，形成精准的推荐网络，最终输出符合用户兴趣的数据场景推荐列表。实验结果表明，所提算法在处理海量数据场景时能够准确捕捉用户的需求，进行高效且全面的个性化推荐。
关键词：海量数据场景;;生成对抗网络;;长短期记忆网络;;推荐算法;;动态序列;;个性化推荐;;目标函数
