创作者侧推荐系统：挑战、设计与应用
信息检索
2025-03-03 v1 机器学习
摘要
用户和创作者是推荐系统的两个关键组成部分。典型的推荐系统侧重于用户侧，根据每个用户的请求提供最合适的物品。在此类场景下，少数物品获得大多数曝光，而许多物品则获得很少的曝光。这种不平衡导致用户体验下降，创作者活动减少，从长期来看损害推荐系统。为此，我们开发了一个创作者侧推荐系统，称为 DualRec，旨在回答以下问题：如何为每个物品找到最合适的用户以提升创作者的体验？我们展示了典型的用户侧推荐算法，如检索和排序算法，可以通过仅需少量修改适应为创作者侧版本。这大大简化了 DualRec 的算法设计。此外，我们讨论了 DualRec 中一个独特挑战：用户可用性问题，这在用户侧推荐系统中并不存在。为解决此问题，我们将一种用户可用性计算 (UAC) 模块纳入 DualRec，以有效提升 DualRec 的性能。DualRec 已经在 Kwai 实现，该平台是拥有超过 1 亿用户和超过 1000 万创作者的短视频推荐系统，显著提升了创作者的体验。
引用
@article{arxiv.2502.20497,
title = {Creator-Side Recommender System: Challenges, Designs, and Applications},
author = {Xiaoshuang Chen and Yibo Wang and Yao Wang and Husheng Liu and Kaiqiao Zhan and Ben Wang and Kun Gai},
journal= {arXiv preprint arXiv:2502.20497},
year = {2025}
}
备注
9 pages and 9 figures