用于天猫推荐的基于动态路由的多兴趣网络
信息检索
2019-04-18 v1 机器学习
机器学习
摘要
工业推荐系统通常由召回阶段和排序阶段组成，以应对十亿级的用户和商品。召回阶段检索与用户兴趣相关的候选商品，而排序阶段则根据用户兴趣对候选商品进行排序。因此，对任一阶段而言，最关键的能力是建模和表示用户兴趣。现有的大多数基于深度学习的模型将单个用户表示为单一向量，这不足以捕捉用户兴趣的多样性。本文从不同视角解决该问题，使用多个编码用户兴趣不同方面的向量来表示单个用户。我们提出了基于动态路由的多兴趣网络（MIND），用于在召回阶段处理用户的多样化兴趣。具体而言，我们设计了一个基于胶囊路由机制的多兴趣抽取层，适用于聚类历史行为并提取多样化兴趣。此外，我们开发了一种名为标签感知注意力的技术，以帮助学习具有多个向量的用户表示。通过在多个公开基准和来自天猫的一个大规模工业数据集上的大量实验，我们证明 MIND 在推荐方面能够取得优于 SOTA 方法的性能。目前，MIND 已部署用于处理移动天猫 App 首页的主要在线流量。
引用
@article{arxiv.1904.08030,
title = {Multi-Interest Network with Dynamic Routing for Recommendation at Tmall},
author = {Chao Li and Zhiyuan Liu and Mengmeng Wu and Yuchi Xu and Pipei Huang and Huan Zhao and Guoliang Kang and Qiwei Chen and Wei Li and Dik Lun Lee},
journal= {arXiv preprint arXiv:1904.08030},
year = {2019}
}