面向冷启动推荐的跨域用户偏好学习
信息检索
2021-12-08 v1 机器学习
摘要
跨域冷启动推荐是推荐系统中日益凸显的问题。现有工作主要聚焦于解决跨域用户推荐或冷启动内容推荐之一。然而，当新域处于发展初期时，其具有与源域相似但交互少得多的潜在用户。从源域学习用户偏好并将其迁移至目标域至关重要，尤其是对于反馈有限的新到内容。为弥补这一缺口，我们提出一种自训练的跨域用户偏好学习（COUPLE）框架，面向带有各类语义标签（如物品属性或视频类型）的冷启动推荐。更具体地，我们考虑用户历史、用户内容和用户群组三个层次的偏好以提供可靠推荐。以域感知序列模型表示用户历史，对底层标签应用频率编码器学习用户内容偏好。进而，提出具有正交节点表示的层次化记忆树以进一步泛化跨域的用户群组偏好。整个框架以对比方式配合先进先出（FIFO）队列更新，以获得更具区分性的表示。在两个数据集上的大量实验证明了COUPLE在用户与内容冷启动情境下的有效性。通过为期一周的在线A/B测试，我们表明COUPLE的点击率（CTR）优于淘宝APP上使用的其他基线。该方法目前已在线服务于跨域冷启动微视频推荐。
引用
@article{arxiv.2112.03667,
title = {Cross-domain User Preference Learning for Cold-start Recommendation},
author = {Huiling Zhou and Jie Liu and Zhikang Li and Jin Yu and Hongxia Yang},
journal= {arXiv preprint arXiv:2112.03667},
year = {2021}
}