大规模视频驱动电商中的视频检索神经图匹配
机器学习
2024-08-02 v1 人工智能
摘要
随着短视频行业的快速发展，传统电商遇到了新的范式——视频驱动电商，它利用吸引人的视频进行产品展示，并为用户提供视频和商品服务。受益于商品的动态化和可视化介绍，视频驱动电商在激发消费者信心和促进销售方面展现了巨大潜力。在本文中，我们聚焦于视频检索任务，面临以下挑战：（1）如何处理用户、商品和视频之间的异构性？（2）如何挖掘商品与视频之间的互补性以更好地理解用户？在本文中，我们首先利用双图建模视频驱动电商中用户-视频和用户-商品交互的共存关系，并创新地将用户偏好理解简化为一个图匹配问题。为了解决该问题，我们进一步提出了一种新颖的双层图匹配网络（GMN），主要由节点级图匹配和偏好级图匹配组成。给定一个用户，节点级图匹配旨在匹配视频和商品，而偏好级图匹配旨在匹配从视频和商品中提取的多重用户偏好。然后，所提出的GMN可以通过以双层方式聚合双图中匹配的节点或偏好来生成和改进用户嵌入。全面的实验表明，所提出的GMN相比最先进的基线方法具有显著优势（例如AUC提升1.9%，CTR提升7.15%）。我们已在知名的视频驱动电商平台上开发了该系统，每日服务数亿用户。
引用
@article{arxiv.2408.00346,
title = {Neural Graph Matching for Video Retrieval in Large-Scale Video-driven E-commerce},
author = {Houye Ji and Ye Tang and Zhaoxin Chen and Lixi Deng and Jun Hu and Lei Su},
journal= {arXiv preprint arXiv:2408.00346},
year = {2024}
}