为特定目的推荐：外卖推荐中的重复与探索

推荐系统已广泛应用于各种场景，如电子商务、新闻和音乐，提供在线内容以帮助和丰富用户的日常生活。不同场景具有独特的特点，需要针对特定领域的研究和相应设计的推荐系统。因此，本文聚焦于外卖推荐，以揭示该领域的独特特征，用户在线订餐并在配送后不久享用美食。我们首先对外卖数据集进行了深入分析。分析表明，重复订单在用户和商店中都很普遍，且情境对外卖推荐系统中的重复和探索消费有不同的影响。此外，我们重新审视了现有情境感知方法分别处理重复和探索推荐的能力，发现它们无法同时有效解决这两个任务。基于分析和实验，我们设计了两个独立的推荐模型——ReRec用于重复订单，ExpRec用于探索订单；两者在设计上都很简单且计算量小。我们在三个真实世界的外卖数据集上进行实验，我们提出的模型在重复、探索和组合推荐任务上优于各种基线方法。本文强调了针对推荐系统研究领域特定特征进行专门分析和设计方法的重要性。