Drift-Aware Multimodal User Representation Learning via Multi-Scale Temporal Modeling and Sparse Mixture-of-Experts
Het artikel introduceert DUMoE, een verenigd framework dat een op temporele dynamiek gerichte backbone en een sparse mixture-of-experts adapter met een driestaps trainingsstrategie benut om effectief multi-schaal temporele patronen te modelleren en diverse, verschuivende gebruikersinteresses te ontwarren voor verbeterde representatieleer op sociale media.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.