tsinghua-fib-lab/DICE

打分融合

daidaren202 opened this issue · 3 comments

作者您好,非常直观有趣的工作。
请问有考虑过用MLP融合代替兴趣和从众拼接融合吗?这种做法相较于拼接有哪些优劣呢?期待您的回复。

这是一个很好的问题。可以参考之前的这个issue。我们采用拼接是一种比较简洁的融合方式,最终实验的性能也是不错的。在不同的交互行为中,兴趣与从众两方面的权重可能存在变化,用MLP的灵活性会更好,有建模这种权重变化的潜力,不过每一次具体交互中兴趣与从众的权重是没有真值的,因此用MLP也是无监督的方式建模兴趣和从众的权重,实际效果还是需要通过实验来验证。

感谢您的回答。我在自己数据集上的结果,融合后的hitrate和只使用流行度分支的hitrate差距还蛮大的,请问有单独使用两个分支的embedding的hitrate结果吗?

我们没有测试单独embedding的hitrate。只使用流行度分支在IID评估中效果可能是不错的,我们的paper里更加关注non-IID场景下的评估。