TiM4Rec: An efficient sequential recommendation model based on time-aware structured state space duality model

doi:10.1016/j.neucom.2025.131270

TiM4Rec: An efficient sequential recommendation model based on time-aware structured state space duality model

2025-08-19

0

PRE

AI

DOI：10.1016/j.neucom.2025.131270

原文链接

原文求助

摘要

En 中文

序列推荐建模范式正从Transformer转向基于状态空间模型（SSM）的Mamba，包括Mamba1和基于状态空间对偶性（SSD）的Mamba2。尽管SSD实现了更高的计算效率，但在低维场景下性能下降，这对序列推荐任务至关重要。考虑到基于时间的增强方法常被用于缓解性能损失，我们的分析表明，利用基于时间的方法中的机制，SSD的性能下降同样可以得到根本性补偿。为克服适配现有基于时间的方法（如TiSASRec）的挑战，例如与SSD的兼容性以及时间差建模中的计算低效问题，我们提出了用于推荐的基于时间的Mamba（TiM4Rec），该模型将一种新颖的基于时间的结构化掩码矩阵集成到SSD中，在提升性能的同时改善效率。在四个真实数据集上的广泛实验证明了其优越性，标志着首个针对Mamba的基于时间的序列推荐方法。我们的模型代码可通过https://github.com/AlwaysFHao/TiM4Rec获取。

Keyword:

Mamba

State Space Model

Sequential Recommendation

Time-aware Mechanism

Efficient Modeling

TiM4Rec: An efficient sequential recommendation model based on time-aware structured state space duality model

摘要

期刊

机构