大规模多域推荐：自动域特征提取与个性化集成框架
信息检索
2024-04-16 v2 人工智能
摘要
信息流推荐是当前许多实际应用（如 TikTok、大众点评）的主流模式，通常需要在应用内部甚至外部对多个场景（域）中的用户兴趣进行建模和预测。多域学习是此方面的典型解决方案。尽管在此方面已付出大量努力，但仍存在两个长期挑战：（1）使用域特征准确刻画域之间的差异对于提升每个域的性能至关重要。然而，为众多域手动设计域特征和模型是一项费力的工作。（2）用户通常仅在少数几个域中有有限曝光。从其他域自动提取特征并利用它们来提升每个域的预测能力一直是一个具有挑战性的问题。本文提出了一种用于大规模多域推荐的自动域特征提取与个性化集成（DFEI）框架。该框架自动将每个用户的行为转化为该域内所有用户行为的聚合，以此作为域特征。与离线特征工程方法不同，提取的域特征是高阶表示且与目标标签直接相关。此外，通过对每个用户来自其他域的域特征进行个性化集成以及训练模式的创新，DFEI 框架可以产生更准确的转化识别。在包含超过 20 个域的公开和工业数据集上的实验结果清楚地表明，与 SOTA 基线相比，所提出的框架取得了显著更好的性能。此外，我们在 https://github.com/xidongbo/DFEI 发布了所提出框架的源代码。
引用
@article{arxiv.2404.08361,
title = {Large-Scale Multi-Domain Recommendation: an Automatic Domain Feature Extraction and Personalized Integration Framework},
author = {Dongbo Xi and Zhen Chen and Yuexian Wang and He Cui and Chong Peng and Fuzhen Zhuang and Peng Yan},
journal= {arXiv preprint arXiv:2404.08361},
year = {2024}
}
备注
8 pages