双曲空间互学习捆绑推荐模型HyperMLBR.pdfVIP

第44卷第5期中南民族大学学报（自然科学版）Vol.44No.5

2025年9月JournalofSouth-CentralMinzuUniversity（NaturalScienceEdition）Sept.2025

双曲空间互学习捆绑推荐模型HyperMLBR

ab*ba

刘婕，李琳，柯豪乐，谢伟平

（武汉理工大学a.土木工程与建筑学院；b.计算机与人工智能学院，武汉430070）

摘要在许多工程与商务应用中，项目与商品捆绑是一种广泛采用的推荐策略.但是现有方法对捆绑推荐中交

互数据的特征认识存在不足，而且欧氏空间的互学习方法难以在双曲空间中充分发挥视图之间互补优势，因此提

出了一种双曲空间互学习的捆绑推荐模型（HyperMLBR）.该模型设计了图掩码模块和互学习模块，利用掩码自编

码器和在线知识蒸馏技术，促使两个视图在双曲空间中进行有效的协作建模.最后HyperMLBR模型与其他模型在

Youshu和NetEase数据集上进行性能分析、消融实验和互学习效果分析，实验结果表明：HyperMLBR模型具有有效

性和动机的正确性.

关键词捆绑推荐；交互数据；双曲空间；互学习

中图分类号TP391文献标志码A文章编号1672-4321（2025）05-0654-10

doi：10.20056/ki.ZNMDZK

HyperMLBR：Hyperbolicspacemutuallearningbundle

recommendationmodel

ab*ba

LIUJie，LILin，KEHaole，XIEWeiping

（WuhanUniversityofTechnology，a.SchoolofCivilEngineeringandArchitecture；b.SchoolofComputerScienceand

ArtificialIntelligence，Wuhan430070，China）

AbstractProjectandcommoditybundlingisawidelyusedrecommendationstrategyinmanyengineeringandbusiness

applications.However，theexistingmethodshaveinsufficientunderstandingofthecharacteristicsofinteractiondatain

bundlerecommendation，andtheEuclideanmutuallearningmethodsfailtofullyexploitthecomplementaryadvantages

betweenviewsinhyperbolicspace.Therefore，ahyperbolicspacemutuallearningbundlerecommendation