BriefGPT - AI 论文速递
·
多域推荐中的嵌入解缠和域对齐
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为EDDA的新MDR方法，通过嵌入解缠推荐器和领域对齐来解决两个挑战。EDDA在模型级别和领域间部分进行解缠，并利用图处理中的随机游走来识别相似用户/项目对，增强知识传输。实验结果表明，EDDA在所有数据集和领域上优于基线。
🎯
关键要点
- 多领域推荐（MDR）旨在为具有重叠用户/项目的不同领域提供建议。
- EDDA是一种新提出的MDR方法，包含嵌入解缠推荐器和领域对齐两个关键组成部分。
- 嵌入解缠推荐器将模型和嵌入分为领域间部分和领域内部分。
- 大多数现有的MDR方法只关注模型级的解缠。
- 领域对齐利用图处理中的随机游走来识别不同领域中的相似用户/项目对。
- EDDA通过鼓励具有相似嵌入的相似用户/项目对，增强了知识传输。
- 在3个真实数据集上，EDDA与12个最先进的基线进行了比较，结果显示EDDA在所有数据集和领域上优于基线。
➡️
