이 논문은 두 타워 추천 모델의 네 가지 핵심 모듈(사용자-아이템 인코딩, 부정적 샘플링, 손실 계산, 역전파 업데이트)에 대해 다룬다. 기존 모델들은 사용자와 아이템 인코딩을 동등하게 업데이트하는 두 역전파 전략을 사용했지만, 저자들은 이것이 최적이 아니라고 주장한다.
저자들은 다음과 같은 논거를 제시한다:
이에 저자들은 OneBP 모델을 제안한다. OneBP는 아이템 인코딩에만 역전파를 적용하고, 사용자 인코딩은 이동 평균 방식으로 업데이트한다. 이를 통해 사용자의 다양한 관심사를 효과적으로 학습할 수 있다.
실험 결과, OneBP는 기존 모델들에 비해 추천 성능과 계산 효율성이 크게 향상되었음을 보여준다.
Para outro idioma
do conteúdo fonte
arxiv.org
Principais Insights Extraídos De
by Erjia Chen,B... às arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18227.pdfPerguntas Mais Profundas