MELT：面向序列推荐的长尾用户与物品互增强框架
信息检索
2023-10-18 v1 人工智能
摘要
长尾问题是序列推荐系统（SRS）中长期存在的挑战，该问题同时存在于用户和物品两方面。尽管许多现有研究致力于解决 SRS 中的长尾问题，但它们仅关注用户或物品单一视角。然而，我们发现长尾用户与长尾物品问题同时存在，且只考虑其中任一方面会导致另一方面的次优性能。本文提出一种新颖的 SRS 框架，称为长尾用户与物品互增强（MELT），从用户和物品双视角联合缓解长尾问题。MELT 由分别负责长尾用户与长尾物品的双边分支组成，这些分支被训练为相互增强，并通过基于课程学习的训练方式得以有效训练。MELT 是模型无关的，可无缝集成到现有 SRS 模型中。在八个数据集上的大量实验表明，即使在牺牲头部用户与物品性能的前提下，缓解用户与物品双方面的长尾问题也带来了收益，这是现有方法未能实现的。据我们所知，MELT 是首个在 SRS 中联合缓解长尾用户与物品问题的工作。
引用
@article{arxiv.2304.08382,
title = {MELT: Mutual Enhancement of Long-Tailed User and Item for Sequential Recommendation},
author = {Kibum Kim and Dongmin Hyun and Sukwon Yun and Chanyoung Park},
journal= {arXiv preprint arXiv:2304.08382},
year = {2023}
}
备注
9 pages; Accepted by SIGIR 2023