具有用户表示排斥的多塔多兴趣推荐
组合数学
2025-12-10 v1
摘要
在信息过载时代，推荐系统的价值在学术界和工业界都得到了深刻认识。特别是多兴趣序列推荐，是近年来日益受到关注的子领域。通过生成多个用户表示，多兴趣学习模型在理论和实证上均表现出优于单用户表示模型的表达能力。尽管该领域取得了重大进展，但仍有三个主要问题困扰着多兴趣学习方法的性能和可采纳性：训练目标与部署目标之间的差异、无法访问物品信息，以及由于其单塔架构导致的工业采纳困难。我们通过提出一种具有用户表示排斥的新型多塔多兴趣框架来解决这些挑战。在多个大规模工业数据集上的实验结果证明了我们所提框架的有效性和泛化能力。
引用
@article{arxiv.2403.05120,
title = {Mutual-visibility and general position in double graphs and in Mycielskians},
author = {Dhanya Roy and Sandi Klavžar and Aparna Lakshmanan},
journal= {arXiv preprint arXiv:2403.05120},
year = {2025}
}