基于用户表征的个性化页面内容排序学习
信息检索
2023-06-07 v2 多智能体系统
社会与信息网络
摘要
在电商平台上，存在丰富的推荐内容以帮助购物者更高效地购物。然而面对海量商品，筛选最相关内容以减轻信息过载负担至关重要。我们引入了一种由线性因果bandit算法驱动的内容排序服务，用于在每个场景下为每位购物者排序并筛选内容。该算法主要利用聚合的用户行为特征，而忽略单个购物者层面的历史活动。我们研究从历史活动中推断购物者兴趣的问题。提出了一种基于深度学习的bandit算法，其融合了历史购物行为、客户潜在购物目标，以及客户与内容类别间的关联。该模型带来了更个性化的内容排序，nDCG提升达12.08%。
引用
@article{arxiv.2305.05267,
title = {Learning Personalized Page Content Ranking Using Customer Representation},
author = {Xin Shen and Yan Zhao and Sujan Perera and Yujia Liu and Jinyun Yan and Mitchell Goodman},
journal= {arXiv preprint arXiv:2305.05267},
year = {2023}
}