MetaSplit：面向库存受限产品推荐的元分割网络
信息检索
2024-03-28 v5
摘要
与企业对消费者（B2C）电子商务系统相比，消费者对消费者（C2C）电子商务平台通常面临库存受限问题，即产品在 C2C 系统中只能出售一次。这给点击率（CTR）预测带来了一些独特的挑战。由于每个产品（即物品）的用户交互有限，CTR 模型中相应的物品嵌入可能难以收敛。这使得传统的基于序列建模的方法无法有效利用用户历史信息，因为历史用户行为包含不同库存量物品的混合。特别是，序列模型中的注意力机制倾向于为积累用户交互较多的产品分配更高分数，导致库存受限产品被忽略且对最终输出的贡献较小。为此，我们提出了元分割网络（MSNet），根据每个产品的库存量分割用户历史序列，并对不同序列采用差异化的建模方法。对于库存受限产品，应用元学习方法解决不收敛问题，这是通过设计带有 ID 和侧面信息的元缩放和平移网络实现的。此外，传统方法一旦产品被消耗就很难更新物品嵌入。因此，我们提出了一种辅助损失，使得即使产品不再分布，参数仍可更新。据我们所知，这是首个解决库存受限产品推荐的方案。在生产数据集上的实验结果和在线 A/B 测试证明了我们所提方法的有效性。
引用
@article{arxiv.2403.06747,
title = {MetaSplit: Meta-Split Network for Limited-Stock Product Recommendation},
author = {Wenhao Wu and Jialiang Zhou and Ailong He and Shuguang Han and Jufeng Chen and Bo Zheng},
journal= {arXiv preprint arXiv:2403.06747},
year = {2024}
}
备注
Accepted at WWW 2024. This work has already been deployed on the Xianyu platform in Alibaba. The first two authors contributed equally