Ad-Rec：利用高级特征交互应对推荐网络中的协变量偏移
信息检索
2023-08-30 v1 机器学习
摘要
推荐模型通过利用多个输入特征间的相关性在提供个性化用户体验方面至关重要。然而，基于深度学习的推荐模型常因用户行为与物品特征的演化而面临挑战，导致协变量偏移。有效的交叉特征学习对于处理数据分布漂移与适应用户行为变化至关重要。传统特征交互技术在此情形下存在达到最优性能的局限。本工作提出 Ad-Rec，一种利用特征交互技术应对协变量偏移的高级网络。其有助于消除推荐任务中的无关交互。Ad-Rec 利用掩码 transformer 学习高阶交叉特征，同时缓解数据分布漂移的影响。我们的方法按曲线下面积（AUC）指标衡量，提升了模型质量、加速收敛并减少训练时间。我们通过全面的消融研究展示了 Ad-Rec 的可扩展性及其获得更优模型质量的能力。
引用
@article{arxiv.2308.14902,
title = {Ad-Rec: Advanced Feature Interactions to Address Covariate-Shifts in Recommendation Networks},
author = {Muhammad Adnan and Yassaman Ebrahimzadeh Maboud and Divya Mahajan and Prashant J. Nair},
journal= {arXiv preprint arXiv:2308.14902},
year = {2023}
}