GUIM——电商中基于混合表示的通用用户与物品嵌入
人工智能
2022-07-05 v1 信息检索
摘要
我们的目标是在阿里巴巴各项业务（包括全球最大电商网站之一的淘宝和天猫）中为每位用户和每个商品物品构建通用表示（嵌入）。用户和物品的代表已在包括推荐系统、搜索、营销、需求预测等在内的各种下游应用中发挥关键作用。受自然语言处理（NLP）领域 BERT 模型的启发，我们提出 GUIM（基于混合表示的通用用户物品嵌入）模型，利用包含数亿用户与物品间交互的海量、结构化、多模态数据来实现该目标。我们利用混合表示（MoR）作为一种新颖的表示形式来建模每位用户的多样化兴趣。此外，我们使用对比学习中的 InfoNCE 来避免因物品（词元）词汇量巨大而导致的难以承受的计算成本。最后，我们提出一组具有代表性的下游任务作为标准基准，以评估所学用户和/或物品嵌入的质量，类似于 NLP 领域的 GLUE 基准。我们在这些下游任务中的实验结果清晰地展示了从我们的 GUIM 模型学到的嵌入的对比价值。
引用
@article{arxiv.2207.00750,
title = {GUIM -- General User and Item Embedding with Mixture of Representation in E-commerce},
author = {Chao Yang and Ru He and Fangquan Lin and Suoyuan Song and Jingqiao Zhang and Cheng Yang},
journal= {arXiv preprint arXiv:2207.00750},
year = {2022}
}
备注
10 pages, 3 figures