M3DSRec：基于内存优化的多模态序列推荐与多重蒸馏技术

《ACM Transactions on Information Systems》：M3DSRec: Memory-Enhanced Multimodal Sequential Recommendation with Multiple Distillation

　　

摘要AI总结

要查看此AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

多模态序列推荐方法从用户交互序列中提取多模态特征，以提高用户序列建模的准确性和表现力。然而，这一领域仍面临两大挑战：（1）如何有效提升用户交互序列中多模态特征的协同效应；（2）如何在保证推荐性能的同时减少模型参数的数量。为解决这些问题，本文提出了一种基于记忆增强的多模态序列推荐方法——多级蒸馏法（M3DSRec），该方法包含四个核心设计要点：首先，采用参数标准化专家混合机制来缓解多模态特征分布的不平衡问题，避免特征间的相互干扰；其次，设计主模态协作模块，以主要单模态特征为基础融合其他模态的特征，从而增强多模态特征之间的协同作用；第三，设计基于记忆增强的动态聚类结构，利用记忆库来优化用户交互序列中多模态特征的表示效果；最后，采用多级蒸馏策略，在多个层面使教师网络和学生网络的特征及逻辑值保持一致。在五个公开数据集上的实验结果表明，M3DSRec在推荐性能与模型参数数量之间取得了良好平衡，其教师网络和学生网络的表现均优于现有的主流方法。

AI总结

AI生成的总结（实验性内容）

该总结是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的适用性，以及便于相关领域的读者理解本文内容。该总结是对作者提供的摘要的补充，而作者提供的摘要仍是文章的核心总结内容。完整文章才是最具权威性的版本。点击此处了解更多。

请点击此处，对这篇总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的总结生成版本。

要查看此AI生成的通俗语言总结，您需要拥有高级访问权限。