LabelCraft：通过自动化标签制作赋能短视频推荐

由于用户反馈的质量，短视频推荐经常面临限制，这些反馈可能无法准确描述用户兴趣。为了应对这一挑战，出现了一项新任务：从原始反馈中生成更可靠的标签。现有的标签生成方法依赖人工规则，需要大量人力，并且可能与平台的期望目标不一致。为了超越这些限制，我们引入了 LabelCraft，这是一种新颖的自动化标签生成方法，明确优化了平台成功的关键运营指标。通过将标签生成表述为推荐模型优化之上的更高层优化问题，LabelCraft 引入了一个可训练的标签模型，用于自动标签机制建模。通过元学习技术，LabelCraft 有效地解决了由推荐模型和标签模型构成的双层优化障碍，实现了对复杂标签生成机制的自动获取。在真实世界数据集上的大量实验证实了 LabelCraft 在各种运营指标上的卓越表现，包括使用时间、用户参与度和留存率。代码可在 https://github.com/baiyimeng/LabelCraft 获取。