MV-HAN：一种基于混合注意力网络的多视角学习模型用于大规模内容推荐
信息检索
2022-10-17 v1
摘要
工业推荐系统通常利用多源数据提升推荐质量，而在不同数据源间有效共享信息仍具挑战。本文提出一种基于混合注意力网络的多视角方法 (MV-HAN)，用于推荐系统匹配阶段的内容检索。所提模型能从各类输入特征中实现高阶特征交互，同时在不同类型间有效迁移知识。通过采用恰当放置的参数共享策略，MV-HAN 显著提升了稀疏类型下的检索性能。所设计的 MV-HAN 继承了双塔模型在线服务中的效率优势，将不同类型用户与内容映射到同一特征空间，从而可利用近似最近邻算法快速检索相似内容。我们在多个工业数据集上进行了离线实验，表明所提 MV-HAN 在内容检索任务上显著优于基线。重要的是，MV-HAN 已部署于真实匹配系统中。在线 A/B 测试结果显示，所提方法能显著提升推荐质量。
引用
@article{arxiv.2210.07660,
title = {MV-HAN: A Hybrid Attentive Networks based Multi-View Learning Model for Large-scale Contents Recommendation},
author = {Ge Fan and Chaoyun Zhang and Kai Wang and Junyang Chen},
journal= {arXiv preprint arXiv:2210.07660},
year = {2022}
}
备注
accepted by ASE 2022