ItemSage：Pinterest 购物推荐中的商品嵌入学习
信息检索
2022-05-25 v1 机器学习
摘要
商品的学习嵌入是 Web 规模电子商务推荐系统的重要基石。在 Pinterest，我们构建了一组称为 ItemSage 的商品嵌入，以在所有购物用例中提供相关推荐，包括基于用户、图像和搜索的推荐。该方法显著提升了参与度和转化指标，同时降低了基础设施与维护成本。虽然大多数先前工作侧重于从单一模态特征构建商品嵌入，我们引入了基于 transformer 的架构，能够聚合来自文本和图像两种模态的信息，并表明其显著优于单模态基线。我们还利用多任务学习使 ItemSage 针对多种参与类型进行优化，从而得到一个对所有端到端推荐系统参与目标都高效的候选生成系统。我们进行了大量离线实验以说明方法的有效性，在线 A/B 实验结果显示关键业务指标获得显著提升（每位用户商品交易总额最高 +7%，点击量 +11%）。
引用
@article{arxiv.2205.11728,
title = {ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest},
author = {Paul Baltescu and Haoyu Chen and Nikil Pancha and Andrew Zhai and Jure Leskovec and Charles Rosenberg},
journal= {arXiv preprint arXiv:2205.11728},
year = {2022}
}
备注
9 pages, 5 figures