Bejelentkezés
betekintés - 순차적 추천
온라인 자기지도 자기증류를 통한 순차적 추천: 누구도 소외되지 않게
본 연구는 사용자의 제한적인 행동 데이터에도 불구하고 효과적으로 사용자 선호도를 모델링하기 위해 온라인 클러스터링과 자기증류 기법을 결합한 새로운 학습 패러다임을 제안한다.
대형 언어 모델을 활용한 잠재 관계 기반 순차적 추천
대형 언어 모델을 활용하여 아이템 간 잠재 관계를 발견하고, 이를 관계 인지 순차적 추천 모델에 통합하여 추천 성능을 향상시킨다.
단방향 시간 데이터 증강과 사전 학습을 통한 순차적 추천 성능 향상
본 연구는 양방향 시간 데이터 증강과 지식 강화 미세 조정을 통해 순차적 추천 모델의 성능을 향상시킨다. 이를 통해 사용자 선호도를 유지하면서도 항목 간 의미 관계를 강화하여 모델의 표현력을 높인다.
긴 사용자 행동 시퀀스에 대한 선택적 상태 공간 모델의 기능 탐구
선택적 상태 공간 모델인 Mamba를 활용하여 사용자의 장기적인 관심사를 효과적으로 모델링할 수 있음을 입증하였다.
순차적 추천에서 대조 학습이 필요한가? 데이터 증강과 대조 학습의 비교 연구
순차적 추천 시스템에서 데이터 증강 기법만으로도 우수한 성능을 달성할 수 있으며, 대조 학습이 필수적이지 않다는 것을 보여준다.
Termékek | Források
© 2024 by Linnk AI