来源：期刊VIP网 时间：
作者：李泯沁;朱小飞;陈旭;
单位：重庆理工大学计算机科学与工程学院;重庆理工大学会计学院;
摘要：【目的】针对当前序列推荐任务中现有方法在时域上融合侧信息而难以缓解频域上的高频噪音问题，本文提出了一种频域协同增强的侧信息融合序列推荐模型。【方法】该模型通过在频域中对商品序列进行自适应滤波，以捕捉用户深层次的兴趣偏好，并采用自适应阈值减少噪声影响。利用傅里叶变换将商品和侧信息序列转换至频域进行特征融合，其中频谱的稀疏特性能够突出重要特征并抑制无关噪声。此外，模型引入频域预测损失进一步优化模型的预测精度。【结果】在四个公开数据集上的对比实验中，与最优的基线相比，提出方法的平均Recall@10和Recall@20分别提高了4.35%和4.57%，平均NDCG@10和NDCG@20分别提高了2.45%和3.02%，取得了最优的性能表现。
关键词：序列推荐;;侧信息;;自适应滤波;;频域融合;;噪声
基金资助：国家自然科学基金资助项目（62472059）;; 重庆市自然科学基金项目（CSTB2022NSCQ-MSX1672）;; 重庆英才计划项目（CSTC2024YCJH-BGZXM0022）;; 重庆市教育委员会科学技术研究计划重大项目（KJZD-M202201102）
