端侧推荐系统：新一代推荐范式教程
信息检索
2023-12-19 v1
摘要
鉴于当代电子商务应用的庞大数量，推荐系统（RSs）在学术界和工业界均获得了显著关注。然而，传统的云端推荐系统面临着资源密集型计算、依赖网络访问以及隐私泄露等不可避免的挑战。作为应对，一种名为端侧推荐系统（ODRSs）的新范式近期在淘宝、Google 和快手等多个行业中兴起。ODRSs 释放了用户设备的计算能力，通过为资源受限环境量身定制的轻量级推荐模型，利用用户本地数据进行实时推理。本教程旨在系统性地介绍 ODRSs 的方法论，包括：(1) ODRSs 现有研究概述；(2) ODRSs 的综合分类体系，其中涵盖的核心技术内容跨越 ODRSs 的三个主要研究方向，包括端侧部署与推理、端侧训练以及 ODRSs 的隐私与安全；(3) ODRSs 的局限性与未来方向。本教程期望为这一新推荐范式的后续研究与应用奠定基础并激发新见解。
引用
@article{arxiv.2312.10864,
title = {On-Device Recommender Systems: A Tutorial on The New-Generation Recommendation Paradigm},
author = {Hongzhi Yin and Tong Chen and Liang Qu and Bin Cui},
journal= {arXiv preprint arXiv:2312.10864},
year = {2023}
}
备注
Technical tutorial; to appear at The Web Conference 2024