分界之线：推荐还是即席检索？
信息检索
2018-07-24 v1
摘要
文献中推荐任务与即席检索（ad-hoc retrieval）任务的流行方法在很大程度上是分立的。本文中，我们主张许多推荐问题也可被视作即席检索任务。为证明这一点，我们结合标准即席检索模型并使用流行的检索工具集，为RecSys 2018 Spotify挑战赛构建了一个解决方案。我们在播放列表续列任务与即席检索中寻找查询良好扩展词的任务之间建立了类比，并表明标准伪相关反馈可作为一种协同过滤方法而有效。我们还通过将输入播放列表标题视为查询并将所有候选曲目与从背景数据中提取的元描述相关联，使用即席检索进行基于内容的推荐。这两种方法的推荐结果进一步由基于流行神经模型学习的曲目嵌入的近邻搜索加以补充。我们最终的推荐排序列表由学习排序（learning to rank）模型生成。我们使用即席检索模型提出的解决方案在RecSys 2018挑战赛的音乐推荐任务上取得了具有竞争力的表现——在112支参赛队伍的主赛道和31支队伍的创意赛道中分别排名第7和第5。
引用
@article{arxiv.1807.08061,
title = {A Line in the Sand: Recommendation or Ad-hoc Retrieval?},
author = {Surya Kallumadi and Bhaskar Mitra and Tereza Iofciu},
journal= {arXiv preprint arXiv:1807.08061},
year = {2018}
}