面向多情景推荐的跨情景信息自适应利用
信息检索
2024-07-30 v1
摘要
电商平台的推荐系统通常服务于多个业务情景。多情景推荐（MSR）是通过利用不同情景间的信息来提高排序性能的重要议题。近期方法大多构建情景共享或特定模块，以建模情景间的共性与差异。然而，在情景间数据量不均或某些情景数据极度稀疏时，难以良好学习情景特定参数。此外，简单地共享来自其他情景的信息可能导致负迁移。在本文中，我们提出一种统一模型——跨情景信息交互（CSII），通过情景主导专家的混合方式服务所有情景。具体而言，我们提出一种方法来选择数据实例中高度可迁移的特征。随后，我们提出注意力-based aggregator 模块，可自适应地从跨情景中提取相对知识。在生产数据集上的实验验证了我们方法的优越性。Meituan Waimai APP 上的在线 A/B 测试也显示出显著的性能提升，平均提升整体情景的 GMV（Gross Merchandise Value）达 1.0%。
关键词
引用
@article{arxiv.2407.19727,
title = {Adaptive Utilization of Cross-scenario Information for Multi-scenario Recommendation},
author = {Xiufeng Shu and Ruidong Han and Xiang Li and Wei Lin},
journal= {arXiv preprint arXiv:2407.19727},
year = {2024}
}