हांगकांग विश्वविद्यालय और टेनसेंट के शोधकर्ताओं ने एक नई मल्टी-मोडल सिफारिश प्रणाली का ढांचा पेश किया है - DiffMM, जिसका उद्देश्य शॉर्ट वीडियो सिफारिश की सटीकता को बढ़ाना है। यह प्रणाली उपयोगकर्ता और वीडियो जानकारी को शामिल करने वाले एक ग्राफ को बनाकर, ग्राफ फैलाव और तुलना अध्ययन तकनीकों का उपयोग करके, उपयोगकर्ता और वीडियो के बीच संबंध को बेहतर ढंग से समझती है, ताकि अधिक सटीक सिफारिशें की जा सकें।
DiffMM का मॉडल विधि मुख्य रूप से तीन भागों में शामिल है: मल्टी-मोडल ग्राफ फैलाव मॉडल, मल्टी-मोडल ग्राफ संग्रह और क्रॉस-मोडल तुलना संवर्धन। इनमें, मल्टी-मोडल ग्राफ फैलाव मॉडल मोड संवेदनशील शोर फैलाव संभाव्यता मॉडल के माध्यम से, उपयोगकर्ता-आइटम सहयोगी संकेतों को मल्टी-मोडल जानकारी के साथ एकीकृत करता है, जिससे मल्टी-मोडल सिफारिश प्रणाली में नकारात्मक प्रभावों को प्रभावी ढंग से हल किया जा सके। साथ ही, ग्राफ संभाव्यता फैलाव ढांचे और मोड संवेदनशील ग्राफ फैलाव अनुकूलन के माध्यम से, मोड संवेदनशील उपयोगकर्ता-आइटम ग्राफ का निर्माण और अनुकूलन किया गया है।
क्रॉस-मोडल तुलना संवर्धन के संदर्भ में, DiffMM मोड संवेदनशील तुलना दृश्य और तुलना संवर्धन विधियों का उपयोग करता है, जो विभिन्न वस्तुओं के मोड पर उपयोगकर्ता इंटरैक्शन पैटर्न की स्थिरता को पकड़ता है, जिससे सिफारिश प्रणाली के प्रदर्शन में सुधार होता है।
पत्र: https://arxiv.org/abs/2406.1178
मुख्य बिंदु:
⭐ हांगकांग विश्वविद्यालय और टेनसेंट ने नई ढांचे DiffMM को पेश किया, जो मल्टी-मोडल सिफारिश प्रणाली के प्रदर्शन को बढ़ाता है।
⭐ DiffMM ग्राफ फैलाव और तुलना अध्ययन तकनीकों का उपयोग करता है, जो उपयोगकर्ता और वीडियो के बीच संबंध को बेहतर ढंग से समझता है।
⭐ क्रॉस-मोडल तुलना संवर्धन विधि ने सिफारिश प्रणाली की सटीकता और प्रदर्शन में सुधार किया है।
