MetaSelector：面向用户级自适应模型选择的推荐元学习框架
信息检索
2020-05-06 v3 机器学习
机器学习
摘要
推荐系统常常面临包含高度个性化用户历史数据的异构数据集，其中没有任何单一模型能为每个用户给出最佳推荐。我们在公开与私有数据集上均观察到这一普遍现象，并着手解决模型选择问题，以追求为每个用户优化推荐质量。我们提出一种元学习框架，以促进推荐系统中的用户级自适应模型选择。在该框架中，使用所有用户的数据训练一组推荐器，其上通过元学习训练一个模型选择器，依据用户特定历史数据为各用户选择最佳单一模型。我们在两个公开数据集和一个真实生产数据集上进行了大量实验，表明我们提出的框架在 AUC 和 LogLoss 方面优于单一模型基线与样本级模型选择器。特别地，该改进在部署于在线推荐系统时可能带来巨大的利润增益。
引用
@article{arxiv.2001.10378,
title = {MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection},
author = {Mi Luo and Fei Chen and Pengxiang Cheng and Zhenhua Dong and Xiuqiang He and Jiashi Feng and Zhenguo Li},
journal= {arXiv preprint arXiv:2001.10378},
year = {2020}
}
备注
Accepted by WWW 2020