当前位置：网硕互联帮助中心 > 服务器百科 > 正文

Think Before Recommend: Unleashing the Latent Reasoning Power for Sequential Recommendation

2026-10-21 分类：服务器百科阅读(6) 评论(0)

以下是对论文的总结及指定部分的翻译：

论文核心内容与创新点总结

主要内容：本文提出了一种新型序列推荐框架ReaRec，通过在推理阶段引入多步隐式推理机制，突破传统推荐模型直接前向计算的局限性。具体而言：

多步推理机制：通过自回归方式将序列编码器的最终隐藏状态循环输入模型，结合推理位置编码（RPE）区分原始序列与推理阶段。

两种学习策略：

ERL（集成推理学习）：通过多步监督优化和KL散度正则化，增强推理多样性。
PRL（渐进推理学习）：利用温度退火和对比学习，逐步逼近用户真实偏好分布。

实验验证：在5个真实数据集上验证，ReaRec在NDCG@20和Recall@20指标上平均提升7.49%，且仅增加3.51%推理延迟。

创新点：

首次将推理能力引入序列推荐，提出隐式多步推理框架ReaRec，突破传统模型的计算深度限制。

提出ERL和PRL两种轻量级学习方法，解决多步推理中的监督缺失和模式退化问题。

揭示推理深度对不同用户/物品群体的差异化影响，发现对长尾用户和冷门物品有显著提升（最高50%）。

赞(0)

未经允许不得转载：网硕互联帮助中心 » Think Before Recommend: Unleashing the Latent Reasoning Power for Sequential Recommendation

标签：人工智能自然语言处理语言模型

相关推荐

评论抢沙发

评论前必须登录！

立即登录注册