“一图胜千特征”：用于会话内输入联想个性化的可扩展商品表示
信息检索
2020-03-17 v1 机器学习
机器学习
摘要
我们解决了数字商务场景中查询补全的个性化问题，其中跳出率通常较高且回访用户稀少。我们聚焦于会话内个性化，并通过在查询时注入由商品图像计算的稠密向量来改进标准的噪声信道模型。我们认为基于图像的个性化相较其他方案具有若干优势（从数据可用性到业务可扩展性），并提供定量证据与定性支持以证明所提方法的有效性。最后，我们展示了如何利用相似店铺间的共享向量空间来改善跨站点浏览用户的体验，开启了应用零样本无监督个性化以提升转化的可能性。这将被证明对管理多个品牌和/或网站的零售集团，以及在同一领域服务多个客户的多租户 SaaS 提供商尤为相关。
引用
@article{arxiv.2003.07160,
title = {"An Image is Worth a Thousand Features": Scalable Product Representations for In-Session Type-Ahead Personalization},
author = {Bingqing Yu and Jacopo Tagliabue and Ciro Greco and Federico Bianchi},
journal= {arXiv preprint arXiv:2003.07160},
year = {2020}
}