MIC：模型无关的集成跨通道推荐系统
信息检索
2022-02-15 v2
摘要
语义化连接用户与物品是工业推荐系统匹配阶段的一个基本问题。该课题的最新进展基于多通道检索，以高效度量用户从海量候选池中对物品的兴趣。然而，现有工作主要构建于预定义的检索通道之上，包括用户协同过滤（U2U）、物品协同过滤（I2I）和基于嵌入的检索（U2I），因而仅能利用来自潜在交互部分信息的有限用户-物品关联。本文提出一种用于大规模推荐的模型无关集成跨通道（MIC）方法，其最大化利用固有的多通道互信息以增强匹配性能。具体而言，MIC 以统一模式稳健地对潜在交互中的用户-物品、用户-用户和物品-物品相关性进行建模。对于每个通道，MIC 自然地对具有语义相似性的样本对进行对齐，否则以更均匀的各向异性表示空间将其区分。尽管最先进的方法需要特定的架构设计，MIC 通过实现用户与物品间完整的信息流直观地将其视为一个整体。因此 MIC 可轻松插入其他检索推荐系统。大量实验表明，我们的 MIC 帮助若干最先进模型在两个真实基准上提升性能。所提 MIC 在工业在线服务上的满意部署实证证明了其可扩展性与灵活性。
引用
@article{arxiv.2110.11570,
title = {MIC: Model-agnostic Integrated Cross-channel Recommenders},
author = {Yujie Lu and Ping Nie and Shengyu Zhang and Ming Zhao and Ruobing Xie and William Yang Wang and Yi Ren},
journal= {arXiv preprint arXiv:2110.11570},
year = {2022}
}
备注
10 pages, 4 figures