用于多任务学习的深度潜在情感网络
人工智能
2021-04-20 v1 信息检索
摘要
信息流推荐模型被众多信息流平台广泛采用，以鼓励用户探索感兴趣的内容。然而，当前大多数研究仅简单聚焦于瞄准用户偏好，缺乏对避免令人反感内容被频繁推荐的深入研究，而这是导致用户厌恶的常见原因。为解决此问题，我们提出深度潜在情感网络（DLEN）模型，通过半监督学习对多目标建模，提取用户偏好某信息流的潜在概率。该方法在训练阶段成功降低了不同目标间的冲突，有效提升了各目标的训练准确率。此外，通过将此用户情感的潜在状态加入多目标融合，模型能够降低推荐令人反感内容的概率，从而在线测试阶段提升用户留存与停留时长。DLEN 已部署于腾讯 QQ 小世界真实多任务信息流推荐场景，数据集含超十亿样本，在离线评估中相较 SOTA MTL 模型展现出显著性能优势，且生产环境中浏览量提升 3.02%、用户停留时长提升 2.63%。DLEN 模型在公开数据集上的补充离线实验也在多种场景中复现了提升。目前，DLEN 模型已成功部署于腾讯的信息流推荐系统。
引用
@article{arxiv.2104.08716,
title = {Deep Latent Emotion Network for Multi-Task Learning},
author = {Huangbin Zhang and Chong Zhao and Yu Zhang and Danlei Wang and Haichao Yang},
journal= {arXiv preprint arXiv:2104.08716},
year = {2021}
}