面向社交电商的拼团推荐
信息检索
2020-11-06 v2
摘要
拼团作为拼多多等社交电商网站中一种新兴的购买形式，近年来取得了巨大成功。在这一新商业模式中，用户（发起者）可以发起拼团并分享商品至其社交网络，当有足够多的好友（参与者）加入时，交易即达成。社交电商的拼团推荐在用户想要发起拼团时推荐商品列表，对拼团成功率与销量起着重要作用。然而，设计个性化的拼团推荐模型是一个鲜有探索的全新问题。本工作中，我们率先着手解决社交电商拼团推荐问题，并提出了 GBGCN 方法（Group-Buying Graph Convolutional Network，拼团图卷积网络）。考虑到存在多种类型的行为（发起与加入）以及结构化的社交网络数据，我们首先提出构建有向异构图来表示行为数据与社交网络。随后，我们开发了具有多视图嵌入传播的图卷积网络模型，该模型可提取复杂的高阶图结构以学习嵌入。最后，由于失败的拼团蕴含着发起者与参与者的丰富偏好，我们设计了一种双成对损失函数来提炼此类偏好信号。我们收集了真实世界的拼团数据集并开展实验以评估性能。实证结果表明，我们所提出的 GBGCN 相比基线方法可显著高出 2.69%–7.36%。代码与数据集发布于 https://github.com/Sweetnow/group-buying-recommendation。
引用
@article{arxiv.2010.06848,
title = {Group-Buying Recommendation for Social E-Commerce},
author = {Jun Zhang and Chen Gao and Depeng Jin and Yong Li},
journal= {arXiv preprint arXiv:2010.06848},
year = {2020}
}
备注
IEEE International Conference on Data Engineering (ICDE), 2021