面向微视频匹配的正交超类引导的多兴趣挖掘

观看微视频已成为日常生活中常见的行为。用户的观看行为通常根植于他们的多种不同兴趣。本文提出一种名为 OPAL 的模型，用于通过从用户交互中解耦多个软兴趣嵌入和硬兴趣嵌入来挖掘用户的多异构兴趣。此外，OPAL 采用两阶段训练策略，其中预训练阶段是在正交超类的指导下从历史交互中生成软兴趣；微调阶段则强化兴趣之间的解耦程度，并学习每个用户的兴趣的时间演化。我们在两个真实世界的数据集上进行了大量实验。结果表明，OPAL 不仅返回多样化的微视频，还在召回率和命中率方面超越了六个最先进的模型。