RetrievalFormer

RetrievalFormer: 双编码器Transformer用于冷门商品推荐

研究人员开发了RetrievalFormer，一个双编码器Transformer模型，用于高效的近似最近邻检索和冷门商品推荐。该模型解决了在不重新训练的情况下将新商品纳入搜索和推荐索引的挑战，这是ID-softmax推荐器普遍存在的问题。RetrievalFormer仅根据特征对新商品进行评分，从而保持开放索引，并在MovieLens-1M和MIND等数据集上取得了有竞争力的性能，尤其是在冷启动场景下。