鉴往知来：基于搜索的时序感知序列行为数据推荐
信息检索
2022-02-08 v1
摘要
个性化推荐是现代电子商务的重要组成部分，其中用户的需求不仅由其画像决定，还受其近期浏览行为以及此前周期性购买行为的影响。本文提出一种名为基于搜索的时序感知推荐（STARec）的新框架，其通过统一的基于搜索的时序感知模型捕捉用户随时间演变的需求。更具体地，我们首先设计了一个基于搜索的模块来检索用户相关的历史行为，将其与近期记录混合，输入时序感知序列网络以捕捉其时间敏感需求。除从个人历史中检索相关信息外，我们还提出搜索并检索相似用户的记录作为额外参考。所有这些序列记录被进一步融合以做出最终推荐。在此框架之外，我们还开发了一种新颖的标签技巧，将先前的标签（即用户反馈）作为输入，以更好地捕捉用户的浏览模式。我们在三个真实世界商业数据集上针对最先进的方法进行了点击率预测任务的广泛实验。实验结果证明了我们所提框架与技术的优越性和高效性。此外，在 X 公司日常物品推荐平台上的在线实验结果表明，STARec 在其两个主要物品推荐场景的 CTR 指标上分别平均提升约 6% 和 1.5%。
引用
@article{arxiv.2202.03097,
title = {Learn over Past, Evolve for Future: Search-based Time-aware Recommendation with Sequential Behavior Data},
author = {Jiarui Jin and Xianyu Chen and Weinan Zhang and Junjie Huang and Ziming Feng and Yong Yu},
journal= {arXiv preprint arXiv:2202.03097},
year = {2022}
}
备注
WWW 2022