.png){kind=icon}
返回
Prompt-Based Multi-Interest Learning Method for Sequential Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1109/TPAMI.2025.3563663.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多兴趣学习序列推荐方法旨在根据用户的历史交互预测下一个项目。现有方法主要包含一个多兴趣提取器，将用户交互嵌入用户多兴趣嵌入中，以及一个多兴趣聚合器，将学习到的多兴趣嵌入聚合到最终用户嵌入中，用于预测用户对项目的评分。尽管有效，现有方法存在两个关键局限性：1）直接将用户交互输入多兴趣提取器和聚合器，而忽略了它们不同的学习目标；2）仅考虑用户交互的中心性来捕捉用户兴趣，而忽略了其离散性。为解决这些局限性，我们提出了一种基于提示的多兴趣学习方法（PoMRec），其中将特定提示插入输入的用户交互中，使其适应多兴趣提取器和聚合器。此外，我们利用用户交互的均值和方差嵌入来嵌入用户的多重兴趣，以全面学习用户兴趣。我们在三个公开数据集上进行了大量实验，结果表明我们提出的PoMRec优于当前最优的多兴趣学习方法。
Keyword:
Sequential recommendation
multi-interest learning method
prompt based learning
期刊
IF:
18.6
论文数:
1.1K
被引数:
9.8W
机构
引用论文
Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction.png)
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏
分享收藏Controllable Multi-Interest Framework for RecommendationProceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-ExpertsProceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏
查看更多内容