兴趣时钟：实时流式推荐系统中的时间感知
信息检索
2024-05-01 v1
摘要
用户偏好在一天中呈现动态模式，例如在早上8点，用户可能倾向于阅读新闻，而在晚上8点，用户可能倾向于观看电影。时间建模旨在使推荐系统能够感知时间变化，以捕获用户随时间变化的偏好，这是推荐系统中的一个重要且具有挑战性的问题。特别是，行业中的流式推荐系统仅提供当前时刻的样本，对于时间建模的挑战更为突出。目前仍缺乏有效的时间建模方法用于流式推荐系统。本文提出一种有效且通用的方法Interest时钟，用于在推荐系统中感知时间信息。Interest时钟首先将用户的时间感知偏好编码为时钟（小时级个人化特征），然后根据当前时间使用高斯分布对其进行平滑和聚合，以生成最终的兴趣时钟嵌入用于最终预测。通过将Interest时钟嵌入到基模型中，我们进行了在线A/B测试，分别在用户活跃日和应用时长方面实现+0.509%和+0.758%的提升。此外，扩展的离线实验也显示出改进。Interest时钟已部署在抖音音乐App中。
引用
@article{arxiv.2404.19357,
title = {Interest Clock: Time Perception in Real-Time Streaming Recommendation System},
author = {Yongchun Zhu and Jingwu Chen and Ling Chen and Yitan Li and Feng Zhang and Zuotao Liu},
journal= {arXiv preprint arXiv:2404.19357},
year = {2024}
}
备注
Accepted by SIGIR 2024