이 논문은 다중 행동 추천 문제를 다룹니다. 기존 연구는 사용자의 다중 행동을 암묵적으로 모델링하였지만, 실제로 사용자의 다양한 행동은 서로 다른 의도에 의해 동기부여됩니다. 예를 들어, 제품을 보는 행동에서는 평점과 브랜드에 더 주목하지만, 구매 행동에서는 가격에 더 민감합니다.
이를 해결하기 위해 저자들은 Knowledge-Aware Multi-Intent Contrastive Learning (KAMCL) 모델을 제안합니다. KAMCL은 지식 그래프의 관계 정보를 활용하여 사용자의 의도를 모델링하고, 이를 통해 다중 행동 간의 연관성을 탐색합니다. 또한 두 가지 대조 학습 기법을 도입하여 데이터 희소성 문제를 완화합니다.
실험 결과, KAMCL은 세 개의 실제 데이터셋에서 기존 최신 모델들을 능가하는 성능을 보였습니다. 특히 데이터가 희소한 Tmall 데이터셋에서 두드러진 성능 향상을 보였습니다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Shunpan Lian... kl. arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.11993.pdfDybere Forespørgsler