Khái niệm cốt lõi
다중 모달 추천 모델에서 행동 정보와 모달 정보 간의 결합 문제와 표현 정렬 문제를 해결하기 위해 이중 표현 학습 프레임워크 DRepMRec을 제안한다.
Tóm tắt
이 논문은 다중 모달 추천 모델의 두 가지 주요 문제를 해결하기 위해 DRepMRec이라는 새로운 이중 표현 학습 프레임워크를 제안한다.
첫째, 기존 모델들은 행동 모듈과 모달 모듈을 공유 모델 매개변수를 사용하여 함께 최적화하는 방식으로 학습 과정을 밀접하게 결합했다. 이로 인해 행동 신호와 모달 신호가 매개변수 업데이트에 상반된 지침을 제공하여 성능이 저하되는 문제가 있었다.
둘째, 이전 접근 방식은 행동 정보와 모달 정보 간의 중요한 분포 차이를 고려하지 않았다. 이로 인해 행동 표현과 모달 표현 간의 정렬이 잘못되는 문제가 발생했다.
DRepMRec은 이러한 문제를 해결하기 위해 다음과 같은 방법을 제안한다:
행동 표현 학습 라인과 모달 표현 학습 라인을 독립적으로 구축하여 행동 정보와 모달 정보를 별도로 학습한다.
행동-모달 정렬(BMA) 모듈을 도입하여 행동 표현과 모달 표현을 정렬하고 융합한다.
표현의 의미적 독립성을 유지하기 위해 유사도 감독 신호(SSS)를 도입한다.
실험 결과, DRepMRec은 다양한 공개 데이터셋에서 최신 기술 수준의 성능을 달성했다.
Thống kê
행동 표현과 모달 표현의 코사인 거리가 초기에 급격히 감소하다가 이후 점차 안정화되는 것을 확인할 수 있다.
SSS를 적용하면 행동 표현과 모달 표현의 코사인 거리가 더 크게 유지되어 의미적 독립성이 향상된다.
Trích dẫn
"행동 정보와 모달 정보는 종종 매개변수 업데이트에 상반된 지침을 제공한다."
"행동 표현과 모달 표현이 서로 다른 잠재 공간에 존재하기 때문에 이들을 적절히 정렬하지 않으면 모델의 학습 능력이 크게 저하될 수 있다."