DPAN：面向相关推荐的动态偏好与属性感知网络
信息检索
2023-08-22 v1 机器学习
摘要
在电商平台中，相关推荐是一种独特场景，为感兴趣触发物品提供关联物品。然而，用户对于推荐结果相似度与多样性的偏好是动态的，并随不同条件变化。此外，由于所有推荐物品均与触发物品相关，物品级多样性过于粗粒度。因此，两大挑战在于学习细粒度的相似度与多样性表示，并捕捉用户在不同条件下对它们的动态偏好。为应对这些挑战，我们提出一种称为动态偏好与属性感知网络（DPAN）的新方法，用于相关推荐中的点击率（CTR）预测。具体而言，基于属性感知激活值生成（AAVG），设计基于双维压缩的再表达（BCR）以获取用户兴趣与物品信息的相似度与多样性表示。随后提出基于浅层与深层联合的融合（SDUF），以根据不同条件捕捉用户对推荐结果多样程度的动态偏好。DPAN通过大量离线实验与在线A/B测试证明了其有效性，使CTR显著提升7.62%。目前，DPAN已成功部署于我们的电商平台，服务于相关推荐的主要流量。DPAN代码已公开。
引用
@article{arxiv.2308.10527,
title = {DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant Recommendations},
author = {Wei Dai and Yingmin Su and Xiaofeng Pan},
journal= {arXiv preprint arXiv:2308.10527},
year = {2023}
}