[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Generative Multi-Target Cross-Domain Recommendation

Created by
  • Haebom

저자

Jinqiu Jin, Yang Zhang, Junwei Pan, Fuli Feng, Hua Lu, Haijie Gu, Xiangnan He

개요

본 논문은 다중 목표 교차 도메인 추천(MTCDR) 문제를 해결하기 위해 생성적 패러다임 기반의 새로운 접근 방식인 GMC(Generative Multi-target Cross-domain Recommendation)를 제시합니다. 기존 MTCDR 방법들은 도메인 간 공유 엔티티에 의존하지만, GMC는 도메인 공유 의미적 식별자를 사용하여 여러 도메인의 지식을 통합된 생성 모델 내에서 통합합니다. 아이템 토크나이저를 이용하여 도메인 공유 의미적 식별자를 생성하고, 도메인 통합 시퀀스-투-시퀀스 모델을 훈련하여 다음 토큰 생성 작업으로 아이템 추천을 공식화합니다. 도메인 정보를 활용하기 위해 도메인 인식 대조 손실을 도입하고, 도메인별 미세 조정을 수행합니다. 다섯 개의 공개 데이터셋에 대한 실험 결과, GMC가 기존 방법들보다 효과적임을 보여줍니다.

시사점, 한계점

•
시사점:
◦
도메인 간 공유 엔티티가 없는 비중첩 추천 시나리오에서도 효과적인 MTCDR 방법을 제시합니다.
◦
생성적 모델을 이용하여 다중 도메인 지식을 효과적으로 통합합니다.
◦
도메인 공유 의미적 식별자를 사용하여 도메인 간의 정보 전달을 효율적으로 수행합니다.
◦
도메인 인식 대조 손실과 도메인별 미세 조정을 통해 성능 향상을 도모합니다.
◦
다양한 데이터셋에서 기존 방법들보다 우수한 성능을 보입니다.
•
한계점:
◦
아이템 토크나이저의 성능에 따라 GMC의 성능이 영향을 받을 수 있습니다.
◦
도메인별 미세 조정 과정에서 과적합 문제가 발생할 가능성이 있습니다.
◦
새로운 도메인에 대한 적응력에 대한 추가적인 연구가 필요합니다.
◦
사용된 도메인 공유 의미적 식별자의 해석 가능성에 대한 추가적인 분석이 필요할 수 있습니다.
👍
Made with Slashpage