基于深度学习的规模化在线替代商品推荐
信息检索
2021-04-16 v1 人工智能
摘要
替代推荐系统对电商公司至关重要。它们引导客户探索海量商品目录，并协助客户在过多选项中找到合适的商品。然而，推荐符合客户需求的替代商品并非易事。本文中，我们利用文本商品信息（如商品标题与描述）和客户行为数据来推荐替代商品。我们的结果显示，在离线评估以及召回率和准确率上，替代商品的覆盖率均显著提升。最终的 A/B 测试表明，我们的算法以统计显著的方式将转化率提升了 12%。为了更好地捕捉商品信息的语义，我们构建了带双向 LSTM 的 Siamese Network 来学习商品嵌入。为了学习更匹配真实客户偏好的相似度空间，我们使用历史客户行为中的共同比较数据作为标签来训练网络。此外，我们使用 NMSLIB 来加速对数百万商品计算代价高昂的 kNN 计算，从而使替代推荐能够扩展到大型电商网站的整个目录。
引用
@article{arxiv.2104.07572,
title = {Deep Learning-based Online Alternative Product Recommendations at Scale},
author = {Mingming Guo and Nian Yan and Xiquan Cui and San He Wu and Unaiza Ahsan and Rebecca West and Khalifeh Al Jadda},
journal= {arXiv preprint arXiv:2104.07572},
year = {2021}
}