登录
洞察 - Cold-start Recommendation
Popularity-Aware Meta-Learning for Online Item Cold-Start Recommendation
This paper introduces PAM, a novel model-agnostic meta-learning algorithm designed to address the cold-start problem in online recommendation systems by leveraging item popularity to segment tasks and enhance cold-start item recommendations through data augmentation and self-supervised learning.
새로운 사용자와 아이템을 위한 과제 정렬 메타 학습 기반 증강 그래프
메타 학습 기반 접근법을 통해 새로운 사용자와 아이템에 대한 추천 성능을 향상시킬 수 있다. 특히 사용자 속성 정보를 활용하여 유사한 사용자들을 그룹화하고, 이를 통해 일관된 최적화 방향을 가지도록 하는 것이 중요하다. 또한 사용자-아이템 상호작용 그래프를 증강하여 데이터 희소성을 완화하고 고차 관계를 포착하는 것이 효과적이다.
Metadata Alignment for Effective Cold-start Recommendation
MARec, a novel algorithm, leverages item metadata to achieve state-of-the-art performance on cold-start recommendation tasks while also being competitive in warm-start settings.
