cross-domain sequential recommendation | BriefGPT

关键词cross-domain sequential recommendation

搜索结果 - 7

跨领域顺序推荐的用户检索集成探索
跨领域顺序推荐 (CDSR) 旨在挖掘和转移用户在不同领域的顺序偏好以减轻长期存在的冷启动问题。传统的 CDSR 模型通过用户和物品建模来捕捉协作信息，而忽视了有价值的语义信息。最近，大型语言模型 (LLM) 展现出强大的语义推理能力，激发
PDFa month ago
跨域顺序推荐中学习部分对齐的物品表示
跨域顺序推荐（CDSR）致力于揭示和转移用户在多个推荐领域中的顺序偏好。本文提出了一种模型不可知的框架 CA-CDSR，通过序列感知生成和自适应部分对齐，实现了跨域项目表示的对齐。经过广泛的实验证明，CA-CDSR 能够显著超越现有的基准，
PDF2 months ago
打破负迁移之谜：跨领域序列推荐的合作博弈论方法
这篇论文研究了多领域顺序推荐（CDSR）的问题，提出了一种新的 CDSR 框架来解决负迁移问题，并使用合作博弈论来估计领域对模型性能的边际贡献，以及引入层次对比学习方法来缓解负迁移。通过在两个真实数据集中跨十个不同领域进行实验，证明了我们的
PDF7 months ago
实现开放世界的跨领域顺序推荐：一种模型无关的对比去噪方法
跨领域的顺序推荐（CDSR）的关键问题是解决传统顺序推荐系统中存在的数据稀疏问题。然而，在现实世界的推荐系统中，CDSR 场景通常包含大多数行为稀疏和冷启动用户，这导致现有 CDSR 方法在实际产业平台中性能下降。因此，在开放世界的 CDS
PDF8 months ago
FedDCSR：通过分离表示学习实现联邦跨领域顺序推荐
本文提出了一种名为 FedDCSR 的新型联邦跨领域顺序推荐框架，通过解耦表示学习来解决不同领域间的序列特征异质性问题，并通过在用户序列上进行数据增强来学习更丰富的领域专属特征，实验证明 FedDCSR 相较于现有基线方法有显著的改进。
PDF10 months ago
通过外部注意力增强的图卷积网络实现轻量级跨领域顺序推荐
本文提出了一种轻量级的外部注意力增强 GCN 框架 (LEA-GCN) 来解决交叉领域序列推荐中遇到的挑战，包括用户特定序列表示的学习以及复合或深层结构的高运算复杂度等问题。该方法通过邻域聚合和双通道外部注意力机制捕捉两个域的商品的协同过滤
PDFa year ago
共享账户跨域序列推荐的时间间隔增强图神经网络
本文提出了一种名为 TiDA-GCN 的图形解决方案，以解决跨域顺序推荐中的挑战，包括多个实体之间的关系的捕获、明确的跨域图结构的建立和时间间隔信息的利用，通过域感知图卷积网络和有效的注意机制实现用户特定节点表示的学习，以及引入账户感知自注
PDF2 years ago