面向大规模搜索排序的查询主导用户兴趣网络
信息检索
2023-10-11 v1
摘要
历史行为在包括推荐与信息检索在内的各种预测任务中已展现出巨大效果与潜力。整体历史行为多样但含噪，而搜索行为总是稀疏的。现有个性化搜索排序方法多采用稀疏搜索行为学习受限的表示，未能充分利用关键的长程兴趣。事实上，毋庸置疑的是，对即时搜索而言用户长程兴趣多样但含噪，如何将其充分利用仍是一个开放问题。为解决该问题，本文提出一种名为查询主导用户兴趣网络（QIN）的新模型，包含两级级联单元以过滤原始用户行为并对行为子序列重新加权。具体而言，我们提出相关性搜索单元（RSU），旨在先搜索与查询相关的子序列，再搜索与目标物品相关的子子序列。这些物品随后被送入称为融合注意力单元（FAU）的注意力单元。它应能从 ID 域与属性域分别计注意力分数，并基于过去时段用户参与度自适应融合物品嵌入与内容嵌入。在真实数据集上的大量实验与消融研究证明了我们的模型相对于最先进方法的优越性。QIN 现已成功部署于在线视频搜索平台快手搜索，并在 CTR 上取得 7.6% 的提升。
引用
@article{arxiv.2310.06444,
title = {Query-dominant User Interest Network for Large-Scale Search Ranking},
author = {Tong Guo and Xuanping Li and Haitao Yang and Xiao Liang and Yong Yuan and Jingyou Hou and Bingqing Ke and Chao Zhang and junlin He and Shunyu Zhang and Enyun Yu and Wenwu},
journal= {arXiv preprint arXiv:2310.06444},
year = {2023}
}
备注
10 pages