面向时尚领域交互式推荐的对比学习
信息检索
2022-07-26 v1
摘要
推荐系统与搜索在在线时尚平台中对于实现个性化与便捷浏览均不可或缺。然而，这两种工具常独立运作，未能结合推荐系统准确捕捉用户品味与搜索系统处理用户查询的优势。我们提出一种新颖的解决思路：基于用户提供的文本请求自动推荐个性化时尚商品。我们提出的模型 WhisperLite 使用对比学习从自然语言文本中捕捉用户意图，并提升时尚产品的推荐质量。WhisperLite 将 CLIP 嵌入与额外的神经网络层相结合以实现个性化，并使用基于二元交叉熵与对比损失的复合损失函数进行训练。在从某在线零售时尚商店收集的真实世界数据集以及不同电商领域广泛使用的开源数据集（如餐厅、电影和电视节目、服装与鞋类评论）上测试时，该模型在离线推荐检索指标上表现出显著提升。我们还进行了用户研究以收集用户对模型推荐商品相关性的判断，证实了 WhisperLite 的推荐在在线场景中的相关性。
引用
@article{arxiv.2207.12033,
title = {Contrastive Learning for Interactive Recommendation in Fashion},
author = {Karin Sevegnani and Arjun Seshadri and Tian Wang and Anurag Beniwal and Julian McAuley and Alan Lu and Gerard Medioni},
journal= {arXiv preprint arXiv:2207.12033},
year = {2022}
}