CRM：具有可控条件的检索模型
信息检索
2024-12-19 v1 人工智能
摘要
推荐系统旨在从海量候选项中为用户连接相关物品，同时与平台的业务目标保持一致。典型的工业推荐系统由两个主要阶段组成：召回和排序。(1) 召回阶段旨在搜索数百个满足用户兴趣的物品候选项；(2) 基于召回的物品，排序阶段旨在通过对每个物品候选项进行多个目标估计（包括分类目标和回归目标）来选出最佳的几个物品。与排序模型相比，召回模型在推理时缺乏物品候选项信息，因此召回模型通常仅通过分类目标（如点击率）进行训练，但未能纳入回归目标（如预期观看时长），这限制了召回的有效性。在本文中，我们提出了可控召回模型（CRM），该模型将回归信息作为条件特征集成到双塔召回范式中。这一修改使得召回阶段能够弥补与排序模型之间的目标差距，增强了召回模型搜索满足用户兴趣和条件的物品候选项的能力。我们通过真实世界的A/B测试验证了CRM的有效性，并展示了其在快手短视频推荐系统中的成功部署，该系统服务于超过4亿用户。
引用
@article{arxiv.2412.13844,
title = {CRM: Retrieval Model with Controllable Condition},
author = {Chi Liu and Jiangxia Cao and Rui Huang and Kuo Cai and Weifeng Ding and Qiang Luo and Kun Gai and Guorui Zhou},
journal= {arXiv preprint arXiv:2412.13844},
year = {2024}
}