이 논문은 ID 기반 사전 학습 모델(IDP)을 제안하여 다영역 추천 시스템의 성능을 향상시키는 방법을 소개한다.
주요 내용은 다음과 같다:
기존 추천 모델들은 ID 임베딩을 사용하여 아이템을 표현하지만, 이는 새로운 영역으로 전이하기 어려운 문제가 있다. 반면 텍스트 기반 모델은 범용성이 있지만 행동 정보를 충분히 학습하지 못한다.
IDP는 ID 기반 사전 학습 모델과 Cross-domain ID Matcher(CDIM)를 통해 이 문제를 해결한다. CDIM은 텍스트 정보를 활용하여 새로운 영역의 아이템과 사전 학습 영역의 아이템 ID 임베딩을 연결한다.
실험 결과, IDP는 다양한 기존 모델들에 비해 우수한 성능을 보였으며, 특히 데이터가 부족한 영역에서 큰 성능 향상을 보였다. 또한 IDP는 사전 학습 모델과 fine-tuning 모델을 독립적으로 사용할 수 있어 유연성이 높다.
IDP는 ID 기반 추천 모델의 장점을 유지하면서도 새로운 영역으로의 확장성을 높였다는 점에서 의의가 있다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Yiqing Wu,Ru... : arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03562.pdfDaha Derin Sorular