基于正则化梯度提升的上下文感知零售产品推荐
机器学习
2021-09-20 v1 人工智能
信息检索
摘要
在 FARFETCH 时尚推荐挑战赛中，参与者需要预测各类产品在一次推荐展示中向用户展示的顺序。数据分两个阶段提供——验证阶段与测试阶段。验证阶段有一个带标签的训练集，其中包含指示产品是否被点击的二值列。该数据集包含超过 5,000,000 次推荐事件、450,000 件产品和 230,000 名独立用户，代表了 FARFETCH 平台真实、无偏但匿名化的实际用户交互。最终评估依据第二阶段的性能进行。共有 167 名参与者参赛，我们在最终评估中以测试集 MRR 0.4658 获得第 6 名。我们设计了一个独特的上下文感知系统，将产品与用户上下文的相似性纳入考虑，以更有效地对产品排序。评估后，我们已能将方法微调至测试集 MRR 0.4784，这原本可让我们位列第 3 名。
引用
@article{arxiv.2109.08561,
title = {Context-aware Retail Product Recommendation with Regularized Gradient Boosting},
author = {Sourya Dipta Das and Ayan Basak},
journal= {arXiv preprint arXiv:2109.08561},
year = {2021}
}
备注
Accepted to the FARFETCH Fashion Recommendations Challenge Workshop, ECML-PKDD 2021