深度推荐系统中的检索器与排序器协同
信息检索
2023-03-30 v2 机器学习
摘要
深度推荐系统（DRS）在现代网络服务中被广泛应用。为处理海量网络内容，DRS 采用两阶段工作流：检索与排序，以生成推荐结果。检索器旨在以高效率从全部物品中筛选出一小部分相关候选；而排序器通常更精确但耗时，用于从检索出的候选中进一步精炼出最佳物品。传统上，这两个组件要么独立训练，要么在简单级联流水线中训练，易于产生较差的协同效果。尽管一些最新研究建议联合训练检索器与排序器，仍存在诸多严重局限：训练与推断间的物品分布偏移、假阴性以及排序顺序的不对齐。因此，探索检索器与排序器之间的有效协同仍待解决。
引用
@article{arxiv.2206.14649,
title = {Cooperative Retriever and Ranker in Deep Recommenders},
author = {Xu Huang and Defu Lian and Jin Chen and Zheng Liu and Xing Xie and Enhong Chen},
journal= {arXiv preprint arXiv:2206.14649},
year = {2023}
}
备注
12pages, 4 figures, WWW'23