本文給大家分享的是阿里和浙大合作發表在KDD-2020上的文章《Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling》，提出從梯度對齊和對抗訓練兩方面來緩解序列建模任務中的長尾問題。

該文章首發于本文微信公眾號: 長尾序列用戶行為建模中可轉移參數的學習(KDD-2020),掃碼關注第一時間獲取更多資訊：

Introduction & Motivation

序列推薦的結果很大程度上取決于用戶歷史交互數據的質量和體量，為了達到預期的性能，需要為每個用戶提供足夠的歷史行為，以便進行充足的建模；然而，用戶交互數量本質上服從一個長尾分布。如下圖：

總結

以上是生活随笔為你收集整理的长尾序列用户行为建模中可转移参数的学习(KDD-2020)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。