研究人员推出了一种名为 Graft-Oriented Distillation (GOD) 的新型组件级知识蒸馏框架，旨在增强序列推荐系统的泛化能力。与匹配教师和学生输出的传统方法不同，GOD 通过将冻结的教师组件与可训练的学生组件进行嫁接来创建混合模型。这种方法可以实现精确的组件级反馈，从而分离出泛化能力不足是源于嵌入、编码还是协同适应。在三个真实数据集上的实验表明，GOD 的性能显著优于现有的最先进基线，改进幅度高达 13.92%。 AI
影响 通过提供组件级反馈来增强推荐系统的泛化能力，有望改善用户体验和相关性。
排序理由 一篇介绍序列推荐系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Graft-Oriented Distillation
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
