MC$^2$-SF:面向移动-云协同推荐的慢-快学习
信息检索
2021-09-28 v1 人工智能
摘要
随着移动设备硬件的发展,在移动端构建推荐模型以利用细粒度特征与实时反馈成为可能。相较于直接将在移动端建模附加于云端建模之上的方式,我们提出一种慢-快学习机制,使移动-云协同推荐(MC-SF)互利共赢。具体而言,在我们的MC-SF中,基于云端的模型与基于移动端的模型依据真实场景中的交互频率分别被视为慢分量与快分量。在训练与服务过程中,二者相互传递先验/特权知识,以更好地捕捉用户对候选物的兴趣,类似于人类认知中系统I与系统II的角色。我们在三个基准数据集上进行了充分实验,表明所提MC-SF优于若干state-of-the-art方法。
引用
@article{arxiv.2109.12314,
title = {MC$^2$-SF: Slow-Fast Learning for Mobile-Cloud Collaborative Recommendation},
author = {Zeyuan Chen and Jiangchao Yao and Feng Wang and Kunyang Jia and Bo Han and Wei Zhang and Hongxia Yang},
journal= {arXiv preprint arXiv:2109.12314},
year = {2021}
}