精选理由
这篇论文告诉你：别盲目堆文本特征做推荐，协同过滤本身已经很强了，加文本未必有多大提升。
该论文系统评估了文本信息对矩阵分解推荐模型的实际贡献。作者提出了可学习的门控机制和交叉注意力机制，用于融合用户/物品主题分布和全文嵌入两种文本表征。在多个基于评论的数据集上测试了六种变体，发现即使自适应融合机制提升了表征灵活性，相对于协同过滤主干，文本信号的边际贡献仍有限。这表明在典型评分预测场景下，协同信息仍主导性能。
AI 翻译 · 中文
该论文系统评估了文本信息对矩阵分解推荐模型的实际贡献。作者提出了可学习的门控机制和交叉注意力机制，用于融合用户/物品主题分布和全文嵌入两种文本表征。在多个基于评论的数据集上测试了六种变体，发现即使自适应融合机制提升了表征灵活性，相对于协同过滤主干，文本信号的边际贡献仍有限。这表明在典型评分预测场景下，协同信息仍主导性能。
Incorporating textual reviews into a Recommender System has become a prominent strategy for enriching collaborative signals with semantic information. However, the actual contribution of review-derived representations re…