.png){kind=icon}
返回
Multi-domain sequential recommendation via multi-sequence and multi-task learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104426.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们设计了两个模块来捕捉跨域和域内序列偏好。
• 我们设计了一种特定的拆分操作，以高效地建模多个交互序列。
• 为了解决数据不平衡问题，我们利用原始交互序列与增强序列之间的对比学习。
• 为了充分学习两种序列偏好，我们采用三种不同类型的任务和一个行为正则化器来训练我们的MML。
• 实验结果表明，在三种不同的骨干模型（即GRU4Rec、SASRec和Mamba4Rec）下，我们的通用模型无关框架MML具有优越性。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
Correlative Preference Transfer with Hierarchical Hypergraph Network for Multi-Domain Recommendation
OAAI
OAAI分享收藏分享收藏FISSA: Fusing Item Similarity Models with Self-Attention Networks for Sequential Recommendation
PREAI
分享收藏Park, C.; Kim, T.; Yoon, H.; Hong, J.; Yu, Y.; Cho, M.; Choi, M.; Choo, J. Pacer and Runner: Cooperative Learning Framework between Single-and Cross-Domain Sequential Recommendation. In Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval, Washington, DC, USA, 14–18 July 2024; pp. 2071–2080. [Google Scholar] [CrossRef]Park, C.; Kim, T.; Yoon, H.; Hong, J.; Yu, Y.; Cho, M.; Choi, M.; Choo, J. Pacer and Runner: 单域与跨域序列推荐之间的协同学习框架. 载于第47届国际ACM SIGIR信息检索研究与开发会议论文集，华盛顿特区，美国，2024年7月14—18日；第2071—2080页。 [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容