顺序推荐的数据再生
信息检索
2024-09-12 v3
摘要
顺序推荐器(SR)系统是现代推荐系统的关键组成部分，旨在捕捉用户不断变化的偏好。为增强SR系统的能力，已付出显著努力。这些方法通常遵循模型中心范式，即开发基于固定数据集的有效模型。然而，这种方法常常忽视数据本身潜在的质量问题和缺陷。以数据中心AI的潜力为动机，我们提出了一种新颖的数据中心范式，用于开发理想训练数据集的模型agnostic数据集再生框架，称为DR4SR。该框架可实现具有卓越跨架构通用性的数据集再生。此外，我们引入DR4SR+框架，纳入模型aware数据集personalizer，以针对目标模型定制再生数据集。为展示数据中心范式的有效性，我们将我们的框架与各种模型中心方法集成，观察到在四个广泛采用的数据集上实现显著的性能提升。此外，我们进行深入分析以探索数据中心范式的潜力，提供了宝贵的见解。代码可在 https://github.com/USTC-StarTeam/DR4SR 查看。
引用
@article{arxiv.2405.17795,
title = {Dataset Regeneration for Sequential Recommendation},
author = {Mingjia Yin and Hao Wang and Wei Guo and Yong Liu and Suojuan Zhang and Sirui Zhao and Defu Lian and Enhong Chen},
journal= {arXiv preprint arXiv:2405.17795},
year = {2024}
}