Filter-enhanced MLP is All You Need for Sequential Recommendation

计算机科学 过度拟合 变压器 人工智能 推荐系统 滤波器(信号处理) 机器学习 噪音(视频) 数据挖掘 模式识别(心理学) 人工神经网络 物理 量子力学 电压 图像(数学) 计算机视觉
作者
Kun Zhou,Haizhou Yu,Wayne Xin Zhao,Ji-Rong Wen
标识
DOI:10.1145/3485447.3512111
摘要

Recently, deep neural networks such as RNN, CNN and Transformer have been applied in the task of sequential recommendation, which aims to capture the dynamic preference characteristics from logged user behavior data for accurate recommendation. However, in online platforms, logged user behavior data is inevitable to contain noise, and deep recommendation models are easy to overfit on these logged data. To tackle this problem, we borrow the idea of filtering algorithms from signal processing that attenuates the noise in the frequency domain. In our empirical experiments, we find that filtering algorithms can substantially improve representative sequential recommendation models, and integrating simple filtering algorithms (eg Band-Stop Filter) with an all-MLP architecture can even outperform competitive Transformer-based models. Motivated by it, we propose \textbf{FMLP-Rec}, an all-MLP model with learnable filters for sequential recommendation task. The all-MLP architecture endows our model with lower time complexity, and the learnable filters can adaptively attenuate the noise information in the frequency domain. Extensive experiments conducted on eight real-world datasets demonstrate the superiority of our proposed method over competitive RNN, CNN, GNN and Transformer-based methods. Our code and data are publicly available at the link: \textcolor{blue}{\url{https://github.com/RUCAIBox/FMLP-Rec}}.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
10秒前
zzhui完成签到,获得积分10
14秒前
潘fujun完成签到 ,获得积分10
16秒前
科研小白白白应助古炮采纳,获得50
24秒前
三十四画生完成签到 ,获得积分10
24秒前
nanfeng完成签到 ,获得积分10
24秒前
独钓寒江雪完成签到 ,获得积分10
24秒前
经青寒完成签到 ,获得积分10
29秒前
瘦瘦冬寒完成签到 ,获得积分10
29秒前
维维完成签到 ,获得积分10
31秒前
YJ完成签到,获得积分10
31秒前
victory_liu完成签到,获得积分10
35秒前
Herbs完成签到 ,获得积分10
39秒前
Jonsnow完成签到 ,获得积分10
41秒前
孤独的大灰狼完成签到 ,获得积分10
41秒前
马登完成签到,获得积分10
49秒前
liguanyu1078完成签到,获得积分10
51秒前
SciGPT应助FiroZhang采纳,获得10
53秒前
chenbin完成签到,获得积分10
55秒前
陈米花完成签到,获得积分10
55秒前
yyjl31完成签到,获得积分10
55秒前
Simon_chat完成签到,获得积分10
56秒前
路路完成签到 ,获得积分10
56秒前
Aprilzhou完成签到,获得积分10
1分钟前
吐司炸弹完成签到,获得积分10
1分钟前
mayfly完成签到,获得积分10
1分钟前
轻松思枫完成签到 ,获得积分10
1分钟前
gms完成签到,获得积分10
1分钟前
Sunny完成签到 ,获得积分10
1分钟前
CHANG完成签到 ,获得积分10
1分钟前
sunnyqqz完成签到,获得积分10
1分钟前
慕子完成签到 ,获得积分10
1分钟前
葶ting完成签到 ,获得积分10
1分钟前
xianyaoz完成签到 ,获得积分10
2分钟前
薏仁完成签到 ,获得积分10
2分钟前
科研通AI2S应助吧嗒嗒采纳,获得10
2分钟前
FashionBoy应助55555采纳,获得10
2分钟前
汉堡包应助潇潇雨歇采纳,获得10
2分钟前
liuyong6413完成签到 ,获得积分10
2分钟前
顾矜应助潇潇雨歇采纳,获得10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921