用于推荐系统的Multi-BERT嵌入

在本文中，我们提出一种利用Sentence-BERT (SBERT)与RoBERTa这两种最先进的自然语言处理模型组合来生成文档嵌入的新方法。我们的方法将句子视为词元并为其生成嵌入，使模型能够捕捉文档内句内与句间关系。我们在一个图书推荐任务上评估我们的模型，并展示其在生成语义更丰富且更准确的文档嵌入方面的有效性。为评估我们方法的性能，我们使用Goodreads数据集在图书推荐任务上进行了实验。我们将使用我们MULTI-BERT模型生成的文档嵌入与单独使用SBERT生成的文档嵌入进行比较。我们使用精确率作为评估指标来比较所生成嵌入的质量。我们的结果表明，我们的模型在生成嵌入质量上持续优于SBERT。此外，我们发现我们的模型能够捕捉文档内更细微的语义关系，从而带来更准确的推荐。总体而言，我们的结果展示了我们方法的有效性，并表明它是提升推荐系统性能的一个有前景的方向。