面向 Facebook Marketplace 个性化商品检索的协同多模态深度学习
信息检索
2018-06-01 v1
摘要
Facebook Marketplace 作为备受青睐的消费者对消费者(C2C)商品交易平台，正在用户中迅速获得发展势头。其背后的推荐系统有助于显著改善用户体验。构建 Facebook Marketplace 的推荐系统具有挑战性，原因有二：1) 可扩展性：Facebook Marketplace 中的商品数量巨大。每天需要在几百毫秒内为数百万用户对数以万计的商品进行打分与推荐；2) 冷启动：C2C 商品的生命周期很短，且用户在商品上的活动稀疏。因此难以积累足够的商品级信号用于推荐，我们面临着严重的冷启动问题。在本文中，我们提出通过构建基于协同多模态深度学习的检索系统来解决可扩展性与冷启动问题，其中用户与商品的紧凑嵌入是利用多模态内容信息训练得到的。该系统在线上与线下实验中均较基准有显著提升：在线实验中，其使买家向卖家发起的消息数量增加了 +26.95%；离线实验中，其将预测准确率提升了 +9.58%。
引用
@article{arxiv.1805.12312,
title = {Collaborative Multi-modal deep learning for the personalized product retrieval in Facebook Marketplace},
author = {Lu Zheng and Zhao Tan and Kun Han and Ren Mao},
journal= {arXiv preprint arXiv:1805.12312},
year = {2018}
}
备注
6 pages, 4 figures