ทีมวิจัยจาก University of Hong Kong และ Tencent เพิ่งเปิดตัวระบบการแนะนำหลายรูปแบบปฏิวัติ - Diffmm ซึ่งปรับปรุงความแม่นยำของคำแนะนำวิดีโอสั้น ๆ อย่างมีนัยสำคัญผ่านวิธีการทางเทคนิคที่เป็นนวัตกรรม ระบบ DIFFMM สร้างโครงสร้างกราฟที่ซับซ้อนที่มีข้อมูลผู้ใช้และวิดีโอและใช้การแพร่กระจายของกราฟและเทคโนโลยีการเรียนรู้เปรียบเทียบเพื่อวิเคราะห์ความสัมพันธ์แบบโต้ตอบระหว่างผู้ใช้และวิดีโออย่างลึกซึ้งซึ่งจะบรรลุคำแนะนำเนื้อหาที่เป็นส่วนตัวและแม่นยำยิ่งขึ้น
กรอบเทคนิคหลักของระบบ DIFFMM ประกอบด้วยสามส่วน: โมเดลการแพร่กระจายกราฟหลายรูปแบบการรวมกราฟหลายรูปแบบและการเพิ่มความคมชัดข้ามโมดอล รูปแบบการแพร่กระจายกราฟหลายรูปแบบใช้โมเดลความน่าจะเป็นแบบ denoising denoising การรับรู้แบบโมดอลโดยรวมสัญญาณประสานงานระหว่างผู้ใช้และรายการที่มีข้อมูลหลายรูปแบบอย่างมีประสิทธิภาพและแก้ปัญหาผลกระทบเชิงลบในระบบแนะนำหลายรูปแบบแบบดั้งเดิม นอกจากนี้ผ่านเทคโนโลยีการเพิ่มประสิทธิภาพของกราฟการแพร่กระจายของความน่าจะเป็นของความน่าจะเป็นของกระบวนทัศน์การแพร่กระจายของกราฟและการรับรู้แบบโมดัล Diffmm ตระหนักถึงการสร้างการรับรู้แบบโมดัลและการเพิ่มประสิทธิภาพของแผนที่ผู้ใช้รายการเพื่อปรับปรุงคุณภาพการแนะนำของระบบต่อไป
ในแง่ของการเพิ่มความคมชัดข้ามโมดอลระบบ DIFFMM แนะนำมุมมองความคมชัดที่รับรู้แบบโมดอลและวิธีการเพิ่มความคมชัดซึ่งสามารถจับความสอดคล้องของโหมดการโต้ตอบของผู้ใช้ในรายการที่แตกต่างกันอย่างมีนัยสำคัญ วิธีการที่เป็นนวัตกรรมนี้ไม่เพียง แต่ช่วยเพิ่มความเข้าใจของระบบเกี่ยวกับการตั้งค่าของผู้ใช้เท่านั้น แต่ยังช่วยเพิ่มความหลากหลายและความแม่นยำของผลลัพธ์ที่แนะนำ
ทีมงานวิจัยอธิบายรายละเอียดเกี่ยวกับหลักการออกแบบและผลการทดลองของระบบ Diffmm ในกระดาษ การวิจัยนี้ไม่เพียง แต่ให้กระบวนทัศน์ทางเทคนิคใหม่สำหรับสาขาระบบแนะนำหลายรูปแบบ แต่ยังให้การสนับสนุนทางทฤษฎีที่สำคัญและแนวทางปฏิบัติสำหรับการแนะนำเนื้อหาในอนาคตของแพลตฟอร์มวิดีโอสั้น ๆ
ไฮไลท์ที่สำคัญ:
⭐กระบวนทัศน์ Diffmm ใหม่ที่เสนอโดย University of Hong Kong และ Tencent ได้ปรับปรุงประสิทธิภาพของระบบแนะนำหลายรูปแบบอย่างมีนัยสำคัญ
⭐ระบบ DIFFMM เข้าใจอย่างลึกซึ้งถึงความสัมพันธ์ที่ซับซ้อนระหว่างผู้ใช้และวิดีโอผ่านการแพร่กระจายของกราฟและเทคนิคการเรียนรู้เปรียบเทียบ
⭐การแนะนำวิธีการเพิ่มความคมชัดข้ามโมดอลได้ปรับปรุงความแม่นยำและประสิทธิภาพโดยรวมของระบบแนะนำอย่างมาก