Core Concepts
提案されたBivRecフレームワークは、IDとマルチモーダルビューの両方で推薦タスクを共同でトレーニングし、推薦パフォーマンスを向上させることができます。
Abstract
最近の研究では、多様なデータ駆動プラットフォームにおける情報過多の問題を緩和するために、シーケンシャル推薦システムが重要な役割を果たしています。特に、視覚的またはテキストのアイテム説明などのマルチモーダル情報を統合することで、シーケンシャル推薦モデルの効果を高めることに関心が集まっています。既存のパラダイムでは、ID主導の推薦から始まりましたが、その後マルチモーダル機能が直接的に推薦に使用される別のパラダイムが現れました。この新しいフレームワークは、IDとマルチモーダルビュー間で興味深い関係を学習し、双方向性の推薦パフォーマンスを向上させます。
Stats
BivRec-IDはすべての5つのデータセットで最高性能を達成しました。
BivRec-MMは約34.23%から66.86%までさまざまな指標で改善されました。
マルチモーダルバージョンのモデルは元々のモデルよりも優れた性能を示しました。
Quotes
"Can we amalgamate the merits of both paradigms while simultaneously addressing their inherent limitations to formulate a novel comprehensive paradigm?"
"This innovative framework effectively mitigates the shortcomings associated with the preceding two paradigms."
"Our proposed BivRec achieves the best performance in all five datasets."