面向电商推荐的大规模商品图构建
信息检索
2020-10-13 v1
摘要
构建每日服务数十亿用户的推荐系统是一个具有挑战性的问题，因为系统需要基于实时用户行为以 O(1) 时间复杂度每秒做出天文数字般的预测。此类大规模推荐系统通常严重依赖预构建的商品索引来加速推荐服务，从而使在线用户等待时间不被察觉。一种重要的索引结构是商品-商品索引，给定种子商品即可检索出排序后的商品列表。该索引可视为一个带权商品-商品图。本文提出新技术以高效构建此类索引商品图。具体而言，我们提出 Swing 算法来捕捉商品间的替代关系，其可利用用户-商品点击二部图的子结构。随后我们提出 Surprise 算法对互补商品关系进行建模，其利用商品类目信息并通过聚类技术解决用户共同购买图的稀疏性问题。基于这两种方法，我们可以为淘宝推荐构建基础商品图。我们通过离线与在线实验对这些方法进行了全面评估，结果证明了该工作的有效性与高效性。
引用
@article{arxiv.2010.05525,
title = {Large Scale Product Graph Construction for Recommendation in E-commerce},
author = {Xiaoyong Yang and Yadong Zhu and Yi Zhang and Xiaobo Wang and Quan Yuan},
journal= {arXiv preprint arXiv:2010.05525},
year = {2020}
}