多阶段推荐系统中的神经重排序：综述
信息检索
2022-04-19 v2
摘要
作为多阶段推荐系统（MRS）的最后阶段，重排序通过重新排列输入的排序列表直接影响用户体验与满意度，从而在 MRS 中起着关键作用。随着深度学习的进展，神经重排序已成为一个热门话题并广泛应用于工业应用中。本综述旨在将重排序算法整合为更宏观的图景，并为未来研究提供更全面的解决方案铺平道路。为此，我们首先提出当前神经重排序方法的分类体系。然后，根据其目标对这些方法及其历史发展进行描述。还讨论并比较了网络结构、个性化与复杂度。接下来，我们提供了主要神经重排序模型的基准并定量分析了它们的重排序性能。最后，综述以对该领域未来前景的讨论作结。本综述中讨论的论文列表、基准数据集、我们的重排序库 LibRerank 以及详细的参数设置公开于 https://github.com/LibRerank-Community/LibRerank。
引用
@article{arxiv.2202.06602,
title = {Neural Re-ranking in Multi-stage Recommender Systems: A Review},
author = {Weiwen Liu and Yunjia Xi and Jiarui Qin and Fei Sun and Bo Chen and Weinan Zhang and Rui Zhang and Ruiming Tang},
journal= {arXiv preprint arXiv:2202.06602},
year = {2022}
}
备注
8 pages