Pfeed：利用预计算嵌入相似度生成近实时个性化信息流

Binyam Gebre; Karoliina Ranta; Stef van den Elzen; Ernst Kuiper; Thijs Baars; Tom Heskes

Pfeed：利用预计算嵌入相似度生成近实时个性化信息流

信息检索 2024-03-07 v2 人工智能机器学习

作者: Binyam Gebre , Karoliina Ranta , Stef van den Elzen , Ernst Kuiper , Thijs Baars , Tom Heskes

摘要

在个性化推荐系统中，嵌入常被用于编码用户行为和物品，然后通过近似最近邻搜索在嵌入空间中进行检索。然而，这种方法可能导致两个挑战：1）用户嵌入可能限制所捕获兴趣的多样性；2）保持嵌入实时更新需要昂贵的实时基础设施。在本文中，我们提出了一种在工业实际环境中克服这些挑战的方法。该方法每两分钟动态更新用户画像并组合信息流，利用预计算的嵌入及其相似度。我们在荷兰和比利时最大的电商平台之一Bol上测试并部署了该方法，用于个性化促销商品。该方法提升了用户参与度和体验，使转化率显著提高了4.9%。

关键词

引用

@article{arxiv.2402.16073,
  title  = {Pfeed: Generating near real-time personalized feeds using precomputed embedding similarities},
  author = {Binyam Gebre and Karoliina Ranta and Stef van den Elzen and Ernst Kuiper and Thijs Baars and Tom Heskes},
  journal= {arXiv preprint arXiv:2402.16073},
  year   = {2024}
}

备注

9 pages, 8 figures

Pfeed：利用预计算嵌入相似度生成近实时个性化信息流

摘要

关键词

引用

备注

相关论文