التقطير الديناميكي لإطار مزيج خبراء موجه بالمطالبات مفصول للتوصية متعددة الوسائط
Abstract
يهدف التوصية متعددة الوسائط إلى إثراء نمذجة التفضيلات من خلال الاستفادة من الميزات البصرية والنصية. ومع ذلك، فإن دمج الميزات المدربة مسبقًا ذات الأبعاد العالية يُدخل حملاً حسابيًا كبيرًا. بينما يوفر التقطير المعرفي استراتيجية ضغط فعالة، تواجه الأُطُر الحالية ثلاثة تحديات مترابطة: عنق الزجاجة الناتج عن الإسقاطات منخفضة الأبعاد، والتداخل بين الوسائط الناتج عن فضاءات الدمج المشتركة، وعدم استقرار التحسين تحت درجات حرارة التقطير الثابتة. لمعالجة هذه المشكلات، نقترح ProMoE-DTS، إطار مزيج خبراء موجه بالمطالبات مفصول مع جدولة درجة حرارة ديناميكية. باستخدام بنية معلم-طالب غير متماثلة، يستخدم نموذج المعلم مطالبات ناعمة واعية بالوسائط كمرتكزات دلالية لتوجيه الميزات غير المتجانسة إلى شبكات خبراء منفصلة المعلمات، مما يخفف من صراعات الوسائط المتعددة ويحّل عنق الزجاجة. لضمان نقل معرفي مستقر، ينظم مجدول درجة الحرارة الديناميكي المستند إلى ردود الفعل شدة التقطير بشكل تكيفي بناءً على إشارات كل حقبة. يقتصر هذا التصميم غير المتماثل على العمليات متعددة الوسائط المكثفة على المعلم غير المتصل، تاركًا نموذج الطالب الإلكتروني بهيكلية معرف فعالة ونقية. تظهر تجارب موسعة على ثلاث مجموعات بيانات معيارية أن ProMoE-DTS يحسن Recall@20 بنسبة 2.24%–3.96% مقارنة بأحدث الأسس، مع الحاجة فقط إلى 3.28%–3.55% من معلمات المعلم.
Keywords
التوصية متعددة الوسائط;التقطير المعرفي (KD);ضبط المطالبات;مزيج الخبراء (MoE);جدولة درجة الحرارة الديناميكية
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website