连续提示推荐模型

解释生成显著提升

将用户与物品ID作为连续提示注入预训练Transformer,并辅以顺序调优与推荐正则化训练策略,在可解释推荐任务上一致超越强基线。

Li, Lei · Zhang, Yongfeng · Chen, Li

ACM Transactions on Information Systems 2023

技术优势

连续提示更优

直接将ID向量输入预训练模型,相比寻找替代词的离散提示,能更好地保留ID信息,从而提升解释生成效果。

训练更稳定

顺序调优和推荐正则化两项策略弥补了随机初始化的ID向量与预训练模型之间的学习阶段差异。

一致超越基线

在三个可解释推荐数据集上的实验表明,该方法稳定优于现有强基线。

应用场景