EXIT：面向跨域推荐的显式兴趣传递框架
信息检索
2024-07-30 v1 人工智能
摘要
跨域推荐因知识传递和满足用户多样化兴趣，在诸多工业应用中受到广泛关注，例如美团，其通过多业务域的知识传递来实现。然而，现有方法通常遵循隐式建模范式，将源域和目标域的知识融合，设计复杂的网络结构在域之间共享学习到的嵌入或模式以提高推荐准确性。由于兴趣信号的传递是无监督的，这些隐式范式常因不同域在服务功能和呈现形式上的差异而导致负迁移。本文提出一种简单有效的显式兴趣传递框架，命名为 EXIT，以解决上述挑战。具体而言，我们提出一种新颖的标签组合方法，使模型能够通过监督学习直接学习有益的源域兴趣，同时排除不合适的兴趣信号。此外，我们引入场景选择器网络以建模在细粒度场景下的兴趣传递强度。在工业生产数据集上的离线实验和在线 A/B 测试均验证了我们框架的优越性和有效性。无需复杂的网络结构或训练过程，EXIT 可轻松部署在工业推荐系统中。EXIT 已成功部署在美团 App 在线首页推荐系统中，服务主要流量。
引用
@article{arxiv.2407.20121,
title = {EXIT: An EXplicit Interest Transfer Framework for Cross-Domain Recommendation},
author = {Lei Huang and Weitao Li and Chenrui Zhang and Jinpeng Wang and Xianchun Yi and Sheng Chen},
journal= {arXiv preprint arXiv:2407.20121},
year = {2024}
}
备注
Accepted at CIKM 2024