论文标题：
Towards Universal Sequence Representation Learning for Recommender Systems
论文链接：
https://arxiv.org/pdf/2206.05941.pdf
代码：
https://github.com/RUCAIBox/UniSRec
本文针对序列推荐场景，对序列表征学习（SRL）方面提出新方法。大多数现有的 SRL 方法依赖于明确的商品 ID 来开发序列模型，以更好地捕捉用户偏好。尽管在一定程度上有效，但由于显式建模商品 ID ，这些方法很难迁移到新的推荐场景中。为了解决这个问题，本文提出了一种新颖的通用序列表示学习方法， UniSRec。UniSRec利用商品的相关描述文本来学习跨不同推荐场景的可迁移表征。
-
为了学习通用商品表征，设计了一种基于参数白化和混合专家增强适配器的轻量级商品编码架构。
-
为了学习通用序列表征，通过对多域负样本进行采样来引入两个对比性的预训练任务。通过预训练的通用序列表征模型，可以有效地迁移到新的推荐领域或平台。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
这是一个专注于人工智能产品的导航站。
