多视角多行为推荐对比学习( 二 )


?(5)不同的超参
作者这里进一步实验了不同的超参对结果的印象,这里是指对那四个不同loss融合的权重,可以看到当(a)loss的权重为1、其他几个对比学习权重分别是0.2, 0.2, 0.2, 0.05时取得最好的结果 。
同时作者也对不同维度进行了探究,可以看到越到越好,不过当大到256时,有所下降,可能是过拟合造成的,所以太大的维度也不必要
?总结
(1)同端的不同行为甚至是多端行为的利用是有可能带来收益的
(2)不同视角这个想法也不错~
关注
【多视角多行为推荐对比学习】欢迎关注,下期再见啦~