利用双塔模型探索异构元数据用于视频推荐
信息检索
2022-04-05 v2
摘要
在线视频服务每日获取新内容以提升参与度并改善用户体验。传统推荐系统仅依赖观看历史，延迟了将新添加影片推荐给合适用户。然而，可利用冷启动影片的元数据信息来引导个性化。本工作中，我们提议采用双塔模型，其中一塔基于用户观看历史学习用户表征，另一塔利用元数据学习影片的有效表征。本工作的贡献可总结为：（1）我们展示了使用双塔模型进行推荐的可行性，并进行一系列离线实验以展示其对冷启动影片的性能；（2）我们探索了不同类型的元数据（类别特征、文本描述、封面图）以及一个注意力层来融合它们；（3）利用我们的亚马逊专有数据，我们展示了注意力层能自适应地为不同元数据分配权重，改善对冷启动与热启动物品的推荐。
引用
@article{arxiv.2109.11059,
title = {Exploring Heterogeneous Metadata for Video Recommendation with Two-tower Model},
author = {Jianling Wang and Ainur Yessenalina and Alireza Roshan-Ghias},
journal= {arXiv preprint arXiv:2109.11059},
year = {2022}
}
备注
Accepted by The Workshop on Context-Aware Recommendation Systems at RecSys2021