PulseAugur
实时 12:23:08
English(EN) SinkRec: Mitigating Semantic State Sink in Long Sequence Recommendation with Memory-Conditioned Gated Delta Networks

SinkRec架构解决了长序列推荐中的语义状态沉没问题

研究人员推出了一种名为SinkRec的新型架构,旨在改进长序列推荐系统。该新模型解决了“语义状态沉没”问题,即重复模式可能主导系统记忆并影响其推荐。SinkRec采用混合方法,将重复模式外化到条件记忆中,并使用时间感知状态-关系差分门控增量网络来优化记忆使用并关注动态转换。实验表明,SinkRec在推荐任务中既有效又高效。 AI

影响 引入了一种新架构,以提高处理长序列的推荐系统的效率和准确性。

排序理由 该集群包含一篇详细介绍推荐系统新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhuang Zhuang, Zhipeng Wei, Ji Dai, Jie Chen, Fei Pan, Peng Jiang, Kun Gai ·

    SinkRec: Mitigating Semantic State Sink in Long Sequence Recommendation with Memory-Conditioned Gated Delta Networks

    arXiv:2606.09888v1 Announce Type: new Abstract: Linear attention provides an efficient backbone for long-sequence recommendation by avoiding the quadratic cost of standard Transformers, but its compressed recurrent state can be dominated by repetitive behavior patterns. We identi…