La Memoria Condizionale Migliora la Rappresentazione degli Item nella Raccomandazione Generativa

Un nuovo approccio noto come Conditional Memory Enhanced Item Representation (CMEIR) migliora la raccomandazione generativa affrontando i problemi di perdita di informazioni e collisioni di ID negli identificatori semantici. La raccomandazione generativa (GR) funziona generando autoregressivamente identificatori semantici (SID) per prevedere gli item target. Le attuali rappresentazioni a livello di item combinano gli embedding dei token SID in un unico vettore, aumentando la perdita di quantizzazione e oscurando le relazioni tra i codici, oppure utilizzano input esterni per migliorare la semantica trascurando la struttura SID. CMEIR incorpora un modulo di memoria condizionale che cattura e recupera le caratteristiche specifiche dell'item in base al contesto SID, migliorando così la rappresentazione mantenendo l'integrità strutturale. I test su dataset di riferimento indicano che CMEIR supera i principali metodi GR. La ricerca è accessibile su arXiv.