跨域推荐的统一框架
信息检索
2024-09-10 v1
摘要
针对域专家推荐系统中持续存在的数据稀疏和冷启动问题，跨域推荐 (CDR) 作为一种有前景的方法出现。CDR 旨在通过利用来自相关源域的交互知识来增强目标域的预测性能，尤其是通过跨越多个域（例如短视频和客厅）的用户或物品。对于学术研究目的，CDR 方法设计有许多不同方面，包括辅助域数量、域重叠元素、用户-物品交互类型以及下游任务。鉴于各种 CDR 组合情景设置的众多差异，所提出的情景专家方法往往针对特定的垂直 CDR 情景进行设计，往往缺乏适应多个水平情景的能力。为了统一适应各种情景，同时借鉴域不变迁移学习的概念，我们扩展了前 SOTA 模型 UniCDR 的五个不同方面，命名为 UniCDR+。我们的工作成功部署于 Kuaishou 客厅 RecSys 中。
引用
@article{arxiv.2409.04540,
title = {A Unified Framework for Cross-Domain Recommendation},
author = {Jiangxia Cao and Shen Wang and Gaode Chen and Rui Huang and Shuang Yang and Zhaojie Liu and Guorui Zhou},
journal= {arXiv preprint arXiv:2409.04540},
year = {2024}
}
备注
Work in progress