推荐系统中用于候选物品匹配的路径深度网络
信息检索
2021-05-19 v1
摘要
大规模推荐系统主要由两个阶段组成：匹配与排序。匹配阶段（亦称检索步骤）以低延迟与计算成本从十亿规模物品语料库中识别一小部分相关物品。基于物品的协同过滤（item-based CF）与基于嵌入的检索（EBR）因其高效性长期用于工业匹配阶段。然而，item-based CF 难以满足个性化，而 EBR 难以满足多样性。本文中，我们提出一种新颖的匹配架构，路径深度网络（Path-based Deep Network，简称 PDN），其可同时纳入个性化与多样性以提升匹配性能。具体而言，PDN 由两个模块组成：触发网络（Trigger Net）与相似度网络（Similarity Net）。PDN 利用 Trigger Net 捕获用户在其交互过的每个物品上的兴趣，并利用 Similarity Net 基于这些物品的用户档案与 CF 信息评估每个交互物品与目标物品间的相似度。用户与目标物品间的最终相关性通过显式考虑用户的多样化兴趣来计算，即聚合相关两跳路径（路径的一跳对应user-item交互，另一跳对应item-item相关性）的相关性权重。此外，我们描述了在领先的真实电商服务（手机淘宝 App）中采用所提 PDN 的匹配系统架构设计。基于离线评估与在线 A/B 测试，我们表明 PDN 优于同一任务的现有方案。在线结果亦证明 PDN 能检索更具个性化与更多样的相关物品，显著提升用户参与度。目前，PDN 系统已成功部署于手机淘宝 App 并处理主要在线流量。
引用
@article{arxiv.2105.08246,
title = {Path-based Deep Network for Candidate Item Matching in Recommenders},
author = {Houyi Li and Zhihong Chen and Chenliang Li and Rong Xiao and Hongbo Deng and Peng Zhang and Yongchao Liu and Haihong Tang},
journal= {arXiv preprint arXiv:2105.08246},
year = {2021}
}
备注
Accepted for publication in SIGIR2021