BriefGPT - AI 论文速递
·
MISSRec：用于推荐的预训练和迁移多模态兴趣感知序列表示
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文提出了一种基于多模态信息的多模态预训练和迁移学习框架（MISSRec），用于顺序推荐。通过设计编码器-解码器模型和动态融合模块，MISSRec能够实现更鲁棒且可迁移的序列表示。该方法在实验中表现出的效果和灵活性使其成为实际推荐场景的可行解决方案。
🎯
关键要点
- 该论文提出了一种基于多模态信息的多模态预训练和迁移学习框架（MISSRec）。
- MISSRec用于顺序推荐，旨在解决现有基于ID特征的推荐方法在稀疏ID和冷启动问题上的性能不足。
- 该框架设计了用户和候选项两方面的Transformer-based编码器-解码器模型。
- MISSRec包含动态融合模块，能够实现更鲁棒且可迁移的序列表示。
- 实验结果表明，MISSRec在效果和灵活性上表现优异，适用于实际推荐场景。
➡️
