MMFeb, 2024
FINEST:通过保持排序微调来稳定推荐
FINEST: Stabilizing Recommendations by Rank-Preserving Fine-Tuning
Sejoon Oh, Berk Ustun, Julian McAuley, Srijan Kumar
TL;DR我们提出了一种名为 FINEST 的方法,通过在模拟扰动场景中对抽样项目进行秩序保持正则化,从而获取给定推荐模型的参考秩序列表,进而使推荐模型在各种扰动下输出稳定建议,同时不损害下一个项目预测的准确性。