推荐系统路在何方？基于ID与基于模态的推荐模型再探
信息检索
2023-05-04 v4
摘要
利用唯一身份标识（ID）来表示不同用户和物品的推荐模型在过去十余年中一直是推荐系统（RS）文献中最先进（SOTA）且占主导地位的方法。与此同时，诸如BERT和ViT等预训练模态编码器在建模物品原始模态特征（如文本和图像）方面已变得愈发强大。鉴于此，一个自然的问题随之产生：能否通过用SOTA模态编码器替换物品ID嵌入，使纯基于模态的推荐模型（MoRec）在性能上超越或匹敌纯基于ID的模型（IDRec）？事实上，十年前该问题已有答案——当时IDRec在推荐准确率和效率上均以显著优势击败MoRec。我们旨在重新审视这一“古老”问题，并从多个方面对MoRec进行系统研究。具体而言，我们研究了若干子问题：（i）在实用场景中，尤其是IDRec具有明显优势的一般设定与热门物品场景下，哪种推荐范式（MoRec或IDRec）表现更优？对于具有不同模态特征的物品是否依然如此？（ii）其他领域（即自然语言处理与计算机视觉）的最新的技术进展能否转化为MoRec的准确率提升？（iii）如何有效利用物品模态表示，是直接采用还是必须结合新数据进行调整？（iv）MoRec在实际应用中是否存在若干关键挑战亟待解决？为回答上述问题，我们针对两种流行模态（即文本与视觉）的物品推荐开展了严谨实验。我们提供了首个经验证据：即便在热门物品推荐中，采用昂贵的端到端训练方法时，MoRec已可与其IDRec对应模型相媲美。我们的结果或暗示，IDRec在RS领域的主导地位未来可能受到极大挑战。
引用
@article{arxiv.2303.13835,
title = {Where to Go Next for Recommender Systems? ID- vs. Modality-based Recommender Models Revisited},
author = {Zheng Yuan and Fajie Yuan and Yu Song and Youhua Li and Junchen Fu and Fei Yang and Yunzhu Pan and Yongxin Ni},
journal= {arXiv preprint arXiv:2303.13835},
year = {2023}
}