面向时尚领域的可重用自注意力推荐系统
信息检索
2022-11-30 v1 机器学习
摘要
大量关于在推荐系统领域应用自注意力模型的实证研究，均基于标准化数据集上的离线评估与计算指标，而缺乏这些模型在真实场景中表现的洞察。此外，其中许多研究未考虑商品与客户元数据等信息，尽管深度学习推荐器只有在包含众多异构类型特征时才能充分发挥其潜力。同时，典型的推荐模型被设计为仅服务于单一用例，这增加了建模复杂性与维护成本，并可能导致不一致的客户体验。在本工作中，我们提出了一种可重用的基于注意力的时尚推荐算法，该算法利用与不同时尚实体（如商品（例如衬衫）、穿搭与影响者）的各种交互类型及其异构特征。此外，我们利用时间与上下文信息来兼顾短期与长期客户偏好。我们展示了其在穿搭推荐用例上的有效性，具体包括：1) 个性化排序信息流；2) 按风格推荐穿搭；3) 相似商品推荐；4) 受近期客户行为启发的会话内推荐。我们展示了离线与在线实验结果，证明了客户留存率与参与度的显著提升。
引用
@article{arxiv.2211.16366,
title = {Reusable Self-Attention-based Recommender System for Fashion},
author = {Marjan Celikik and Jacek Wasilewski and Sahar Mbarek and Pablo Celayes and Pierre Gagliardi and Duy Pham and Nour Karessli and Ana Peleteiro Ramallo},
journal= {arXiv preprint arXiv:2211.16366},
year = {2022}
}
备注
FashionXRecSys'22: Workshop on Recommender Systems in Fashion, September 23, 2022, Seattle, WA. Parts published in RecSys 2022 (industry track)