Dionysius：一种在推荐系统中建模分层用户交互的框架
社会与信息网络
2017-06-14 v1 信息检索
摘要
我们解决以下问题：如何在大规模个性化推荐系统中将用户-物品交互信号作为相关性模型的一部分加以整合，使得 (1) 保留解释模型和推荐理由的能力，且 (2) 能够利用为（用户画像）基于内容的模型设计的现有基础设施？我们提出 Dionysius，一个基于分层图模型的框架和系统，用于将用户交互纳入推荐系统，并对底层基础设施进行最小改动。我们通过考虑交互信号的层次结构为每个用户学习一个隐藏字段向量，并用该学习到的向量替换基于用户画像的向量，从而完全不扩展特征空间。因此，我们的框架允许使用支持基于内容特征的现有推荐基础设施。我们将该系统实现并部署为 LinkedIn 推荐平台的一部分超过一年。我们通过针对不同模型选择的广泛离线实验以及在线 A/B 测试实验验证了方法的有效性。我们将该系统作为职位推荐引擎的一部分进行部署，显著改善了检索结果的质量，从而为数百万用户带来更好的体验和积极影响。
引用
@article{arxiv.1706.03849,
title = {Dionysius: A Framework for Modeling Hierarchical User Interactions in Recommender Systems},
author = {Jian Wang and Krishnaram Kenthapadi and Kaushik Rangadurai and David Hardtke},
journal= {arXiv preprint arXiv:1706.03849},
year = {2017}
}