Core Concepts
アイテムのテキストデータとID特徴を効果的に融合する新しい手法TedRecを提案しました。
Abstract
レコメンダーシステムの急速な発展に伴い、アイテムの関連テキストデータ(例:製品タイトル)の利用方法に焦点を当て、グローバルコンテキストをより良く統合するためにシーケンスレベルの意味表現融合手法を提案しました。この手法は、時間領域から周波数領域へ変換するフーリエ変換を活用して、元のシーケンスのグローバルな特性が変換された表現に内在的に集約されることで、効果的に2種類のアイテム特徴を融合します。さらに、文脈的畳み込み操作と混合専門家(MoE)調整方法を使用して、テキスト埋め込みの識別可能性を向上させます。TedRecは5つの公開データセットで実験を行い、競争力あるベースラインと比較して効果的であることが示されました。
Stats
テキスト埋め込みとID埋め込みから変換された元の表現が周波数領域へ集約されます。
テキストおよびID表現間で相互フィルタリングが行われます。
逆FFTが使用されて周波数領域から時間領域へ再度変換されます。
Quotes
"我々は新しいText-IDセマンティックフュージョンアプローチTedRecを提案します。"
"我々は多重専門家調整モジュールと文脈畳み込みモジュールを提案しています。"
"最終的なフレームワークが最も優れています。"