多因素序列重排序与感知感知多样化
信息检索
2023-05-23 v1
摘要
前馈推荐系统（feed recommendation systems）推荐一系列项目供用户浏览和交互，在实际应用中非常流行。在feed产品中，用户倾向于连续浏览大量项目，因此之前查看的项目对用户对后续项目的行为有显著影响。因此，传统主要关注提高推荐项目准确性的方法对于feed推荐来说不是最优的，因为它们可能推荐高度相似的项目。对于feed推荐，考虑推荐项目序列的准确性和多样性至关重要，以满足用户在连续查看项目时不断变化的兴趣。为此，本文提出一个通用的重排序框架，名为多因素序列重排序与感知感知多样化（MPAD），以序列方式联合优化feed推荐的准确性和多样性。具体地，MPAD首先通过基于图聚类的聚合从用户行为序列中提取用户不同尺度的兴趣。然后，MPAD提出两个子模型，分别通过捕捉由于不断变化的上下文导致的用户不断变化的兴趣以及用户从项目序列角度对多样性的个人感知，来评估给定项目的准确性和多样性。这与feed场景的浏览性质一致。最后，MPAD通过从候选集中顺序选择最优项目来生成返回列表，以最大化整个列表的准确性和多样性的联合收益。MPAD已在淘宝首页feed中实现，服务于主要流量，每天向数亿用户推荐数十亿个项目。
引用
@article{arxiv.2305.12420,
title = {Multi-factor Sequential Re-ranking with Perception-Aware Diversification},
author = {Yue Xu and Hao Chen and Zefan Wang and Jianwen Yin and Qijie Shen and Dimin Wang and Feiran Huang and Lixiang Lai and Tao Zhuang and Junfeng Ge and Xia Hu},
journal= {arXiv preprint arXiv:2305.12420},
year = {2023}
}