多模态推荐系统研究进展
推荐系统的主要功能是预测用户对各种项目的评分或偏好,并根据历史交互数据和公开信息推荐最可能和最相关的项目。然而,传统的基于 ID 的推荐方法基于用户倾向于选择与他们以前喜欢的项目类似的项目的原则,通常强烈依赖于足够的用户项目交互。尽管取得了成功,推荐系统仍面临两大挑战:数据稀疏性和冷启动问题。数据稀疏性源于用户和产品之间交互数据的自然稀疏性,这使得准确预测用户的偏好变得困难。这种稀疏性可能会导致不可靠的推荐,特别是在商品目录较大但用户交互相对较少的系统中。冷启动问题的发生是因为传统的推荐系统模型严重依赖 ID 嵌入,在几乎没有历史交互数据的情况下,很难对新用户或产品做出令人满意的预测。在不断引入新项目和用户的动态环境中,这一挑战尤为明显。
无标签









