面向多模态多领域推荐的通用预训练模型
信息检索
2023-11-06 v1
摘要
通过预训练多领域交互来建模用户偏好的推荐系统研究兴趣正在快速增长。然而,现有的预训练多领域推荐大多选择物品文本作为跨领域桥梁,并仅简单探索目标领域中的用户行为。因此,它们忽略了其他信息丰富的多模态物品内容(如视觉信息),也缺乏对来自所有交互领域的用户行为的充分考虑。为解决这些问题,本文提出预训练通用多模态物品内容表示以用于多领域推荐,称为 UniM^2Rec,其能够平滑地学习来自所有领域的多模态物品内容表示与多模态用户偏好。借助预训练的多领域推荐模型,UniM^2Rec 在实践中可高效且有效地迁移至新的目标领域。在五个真实世界目标领域数据集上进行的广泛实验证明了所提方法相对于现有竞争性方法的优越性,尤其是对于通常受困于严重缺失或含噪物品内容的真实世界推荐场景。
引用
@article{arxiv.2311.01831,
title = {Universal Multi-modal Multi-domain Pre-trained Recommendation},
author = {Wenqi Sun and Ruobing Xie and Shuqing Bian and Wayne Xin Zhao and Jie Zhou},
journal= {arXiv preprint arXiv:2311.01831},
year = {2023}
}