Войти
аналитика - 순차적 추천 시스템
GOT4Rec: 순차적 추천을 위한 사고 그래프 활용 방법론
대규모 언어 모델(LLM)의 추론 능력을 활용하여 사용자의 단기적 관심사, 장기적 관심사, 협업적 관심사를 통합하는 GOT4Rec 순차적 추천 방법을 제안한다.
SimRec: 아이템 유사도를 통합하여 순차적 추천에서의 콜드 스타트 문제 완화
SimRec은 아이템 간의 유사성을 활용하여 학습 과정에서 희소 아이템에 대한 정보를 보강함으로써 순차적 추천 시스템의 콜드 스타트 문제를 효과적으로 완화하는 새로운 접근 방식입니다.
순차적 추천을 위한 생성적 확산 모델의 성능 향상 및 비교 분석
본 논문에서는 기존 생성적 모델의 한계점을 극복하고 순차적 추천 작업의 성능을 향상시키기 위해 확산 모델을 활용한 새로운 접근 방식인 DiffuRecSys를 제안합니다.
CoActionGraphRec: 공동 행동 그래프를 사용한 순차적 다중 관심사 추천
이 연구는 전자상거래 플랫폼에서 희소한 데이터와 다양한 사용자 관심사를 해결하기 위해 공동 행동 그래프를 활용한 새로운 순차적 다중 관심사 추천 모델인 CoActionGraphRec(CAGR)을 제안합니다.
사용자 동적 연결: 슈뢰딩거 브리지와 확산 모델을 활용한 순차적 추천 변환
본 연구는 사용자의 현재 상태와 목표 추천 아이템 간의 연결을 직접 모델링하는 SdifRec 모델을 제안합니다. 이를 통해 기존 확산 모델 기반 방법의 한계인 가우시안 사전 분포 제약을 극복하고, 사용자 특정 정보를 효과적으로 활용할 수 있습니다. 또한 사용자 클러스터링 정보를 활용하여 협업 정보를 추가로 반영한 con-SdifRec 모델을 제안합니다.
순차적 추천에 대한 인과적 관점에서의 재고찰: CSRec
사용자의 의사결정 과정을 정확하게 모델링하기 위해서는 추천 시스템의 개입이 사용자 결정에 미치는 영향을 고려해야 한다. CSRec은 이러한 인과 관계를 명시적으로 모델링하여 기존 방법론을 개선한다.
Продукты
© 2024 by Linnk AI