模型小，還高效！港大最新推薦系統EasyRec：零樣本文本推薦能力超越OpenAI、Bert

AIGC動態歡迎閱讀

原標題：模型小，還高效！港大最新推薦系統EasyRec：零樣本文本推薦能力超越OpenAI、Bert
關鍵字：用戶,模型,文本,畫像,商品
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：LRST
【新智元導讀】EasyRec利用語言模型的語義理解能力和協同過濾技術，提升了在零樣本學習場景下的推薦性能。通過整合用戶和物品的文本描述，EasyRec能夠生成高質量的語義嵌入，實現個性化且適應性強的推薦。在推薦系統的領域中，深度神經網絡（DNNs）已經成為一種強大的工具，它們通過學習用戶和商品之間的復雜交互，為協同過濾（CF）提供了新的視角。
協同過濾是一種利用用戶之間的相似性或商品之間的相似性來推薦未交互過的商品的方法。
深度學習方法，特別是圖神經網絡，通過捕捉用戶-商品交互數據中的高階特征和模式，極大地提升了推薦質量。
然而，盡管深度協同過濾模型在某些方面取得了顯著進展，它們在實際應用中仍面臨著一些挑戰。
一個主要的問題是現有方法對用戶和商品的唯一標識符（ID）的依賴。這種依賴限制了模型在處理新用戶或新商品時的性能，因為對于這些新的用戶和商品，沒有足夠的歷史數據來訓練模型。
此外，當用戶或商品發生變化時，如新商品的引入或用戶偏好的轉移，現有模型可能難以適應這些變化，導致推薦效果下降。這種依賴性也導致了另一個問題，即所謂的「零樣本學習」場景，其中模型需要在

原文鏈接：模型小，還高效！港大最新推薦系統EasyRec：零樣本文本推薦能力超越OpenAI、Bert

聯系作者

文章來源：新智元
作者微信：
作者簡介：