PulseAugur
实时 04:03:34
English(EN) A Dual-Expert Strategy Integrating LLMs to Mitigate Negative Transfer in Cross-Domain Sequential Recommendation

新的大型语言模型框架 DuELRec 解决了推荐系统中的负迁移问题

研究人员开发了 DuELRec,这是一个整合大型语言模型(LLMs)以改进跨域序列推荐系统的新框架。该方法解决了负迁移问题,即专注于文本的大型语言模型可能会扭曲跨不同用户交互域的知识迁移。DuELRec 采用双专家系统,具有域门控注意力和对比学习目标,以更好地捕捉项目级别的协同信号,在真实世界数据集上的表现优于 26 种现有方法。 AI

影响 通过更好地将大型语言模型与协同过滤信号相结合,提高了推荐准确性。

排序理由 学术论文,详细介绍了用于特定人工智能任务的新模型/框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的大型语言模型框架 DuELRec 解决了推荐系统中的负迁移问题

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Chung Park ·

    融合LLMs的双专家策略以减轻跨域序列推荐中的负迁移

    Cross-Domain Sequential Recommendation (CDSR) predicts the next item a user will interact with based on their historical interaction sequences across multiple domains. Recent approaches leverage Large Language Models (LLMs) finetuned on textual representations of cross-domain use…