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.
Sang ngôn ngữ khác
từ nội dung nguồn
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Erjia Chen,B... lúc arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18227.pdfYêu cầu sâu hơn