TL;DR通过提出一个新的解决方案,Decoupled Side Information Fusion, 提高了序列推荐中不同侧面信息的建模能力,通过实验验证了该方法在四个真实数据集上的有效性。
Abstract
side information fusion for sequential recommendation (SR) aims to
effectively leverage various side information to enhance the performance of
next-item prediction. Most state-of-the-art methods build on self-att
该论文提出了一种基于多模态信息的多模态预训练和迁移学习框架(MISSRec),用于顺序推荐,以解决现有基于 ID 特征的推荐方法在稀疏 ID 和冷启动问题方面的性能不佳的问题。通过在用户和候选项两方面分别设计 Transformer-based 的编码器 - 解码器模型和动态融合模块,MISSRec 能够实现更鲁棒且可迁移的序列表示,该方法在实验中表现出的效果和灵活性使其成为实际推荐场景的可行解决方案。