学习用于用户推荐的物品-交互嵌入
信息检索
2018-12-12 v1 机器学习
机器学习
摘要
工业级推荐系统已成为电子商务购物体验的基石。对于拥有超过 5000 万件手工与复古物品的在线市场 Etsy，用户依赖个性化推荐从其海量库存中找出相关物品。Etsy 购物体验的一个特点是，用户可以与感兴趣的物品通过多种方式进行交互：可以浏览、收藏、加入收藏集、加入购物车、购买等。我们假设，用户与物品交互的不同方式指示了不同类型的意图。因此，用户的推荐不仅应基于其过往活动所对应的物品，还应基于其与该物品交互的方式。在本文中，我们提出一种新颖的方法，用于学习基于交互的物品嵌入，其编码的不仅是物品本身的共现模式，还包括交互类型的共现模式。学习到的嵌入为我们提供了一种便捷的方式，通过简单的內积来近似一个物品-交互对与另一个对共现的可能性。由于其计算高效性，我们的模型天然适合作为候选集选择方法，我们并在服务于 Etsy.com 线上流量的工业级推荐系统中以此角色对其进行了评估。我们的实验表明，将交互类型纳入考虑在提升用户购物行为建模准确性方面展现出有前景的结果。
引用
@article{arxiv.1812.04407,
title = {Learning Item-Interaction Embeddings for User Recommendations},
author = {Xiaoting Zhao and Raphael Louca and Diane Hu and Liangjie Hong},
journal= {arXiv preprint arXiv:1812.04407},
year = {2018}
}