DAS：双重对齐语义 ID 在工业推荐系统中的应用
信息检索
2025-11-25 v2
摘要
语义 ID 是对多模态大语言模型（MLLM）嵌入进行量化离散化后生成的标识符，能够在推荐系统中高效地实现多模态内容集成。然而，由于缺乏协作信号，这些语义 ID 与下游判别式和生成式推荐目标之间存在对齐不足。近期研究引入了各种对齐机制以解决此问题，但其两阶段框架设计仍导致两个主要局限性：（1）对齐过程中不可避免的信息损失，（2）难以应用自适应对齐策略，从而限制了对齐过程中相互信息的最大化。为此，我们提出一种新型且灵活的单阶段双重对齐语义 ID（Dual-Aligned Semantic IDs, DAS）方法，同时优化量化和对齐，既保留语义完整性又保持对齐质量，避免了传统两阶段方法常产生的信息损失。此外，DAS 实现了语义 ID 与协作信号之间的更高效对齐，其具体包括两个创新且有效的做法：（1）多视角对比对齐：为最大化语义 ID 与协作信号之间的相互信息，我们首先引入基于 ID 的协作过滤去偏模块，然后设计三种有效的对比对齐方法：双用户-双项目（u2i）、双项目-双项目/双用户（i2i/u2u）以及双共现项目-双项目/双用户（i2i/u2u）。（2）双学习：通过对齐用户和广告的双重量化，构建的语义 ID 在对齐方面具有更强的对齐性。最后，我们进行了大量的离线实验和在线 A/B 测试以评估 DAS 的有效性，该方法已成功部署于快手 App 的各种广告场景中，日均服务超过 4 亿用户。
引用
@article{arxiv.2508.10584,
title = {DAS: Dual-Aligned Semantic IDs Empowered Industrial Recommender System},
author = {Wencai Ye and Mingjie Sun and Shaoyun Shi and Peng Wang and Wenjin Wu and Peng Jiang},
journal= {arXiv preprint arXiv:2508.10584},
year = {2025}
}
备注
Accepted by CIKM 2025