用于推荐的可控多兴趣框架
信息检索
2020-08-04 v2 机器学习
机器学习
摘要
近年来，由于深度学习的快速发展，神经网络已广泛应用于电商推荐系统。我们将推荐系统形式化为序列推荐问题，旨在预测用户可能交互的下一个物品。近期工作通常从用户行为序列给出整体嵌入。然而，统一用户嵌入无法反映用户在一段时间内的多个兴趣。本文中，我们提出一种用于序列推荐的新颖可控多兴趣框架，称为 ComiRec。我们的多兴趣模块从用户行为序列中捕获多个兴趣，可用于从大规模物品池中检索候选物品。这些物品随后被送入聚合模块以获得整体推荐。聚合模块利用可控因子来平衡推荐准确性与多样性。我们在两个真实数据集 Amazon 和 Taobao 上进行了序列推荐实验。实验结果表明，我们的框架相比最先进模型取得了显著改进。我们的框架也已成功部署于离线阿里巴巴分布式云平台。
引用
@article{arxiv.2005.09347,
title = {Controllable Multi-Interest Framework for Recommendation},
author = {Yukuo Cen and Jianwei Zhang and Xu Zou and Chang Zhou and Hongxia Yang and Jie Tang},
journal= {arXiv preprint arXiv:2005.09347},
year = {2020}
}
备注
Accepted to KDD 2020