用于循环推荐系统的近因丢弃法
信息检索
2022-01-27 v1 机器学习
摘要
循环推荐系统已成功捕捉用户活动轨迹中的时间动态。然而，众所周知循环神经网络（RNNs）难以学习长期依赖。因此，基于 RNN 的推荐系统往往过度关注用户的短期兴趣。这被称为近因偏差，可能对长期用户体验以及生态系统健康产生负面影响。在本文中，我们引入近因丢弃（recency dropout）技术，一种简单而有效的数据增强技术，以缓解循环推荐系统中的近因偏差。我们在多种实验设置中展示了近因丢弃的有效性，包括模拟研究、离线实验以及在一个大规模工业推荐平台上的在线实验。
引用
@article{arxiv.2201.11016,
title = {Recency Dropout for Recurrent Recommender Systems},
author = {Bo Chang and Can Xu and Matthieu Lê and Jingchen Feng and Ya Le and Sriraj Badam and Ed Chi and Minmin Chen},
journal= {arXiv preprint arXiv:2201.11016},
year = {2022}
}