RimiRec：为推荐系统建模层次结构中的精细化多兴趣
信息检索
2024-02-07 v3
摘要
工业推荐系统通常由召回阶段和排序阶段组成，以处理数十亿规模的用户和物品。召回阶段检索与用户兴趣相关的候选物品进行推荐，并引起了广泛关注。通常，用户会在层次结构中表现出精细化的多兴趣。例如，用户喜欢柯南和黑羽快斗，它们是层次结构“动画、日本动画、名侦探柯南”中的角色。然而，大多数现有方法忽略了这种层次性质，并简单地对细粒度兴趣信息进行平均。因此，我们提出了一种新颖的两阶段方法，用于在推荐中显式地建模层次结构中的精细化多兴趣。在第一阶段，即层次化多兴趣挖掘阶段，基于层次聚类和Transformer的模型自适应地生成用户感兴趣的圈子或子圈子。在第二阶段，检索空间的划分允许EBR模型仅处理每个圈子内的物品，并准确捕捉用户的精细化兴趣。实验结果表明，所提出的方法达到了最先进的性能。我们的框架也已在Lofter上部署。
引用
@article{arxiv.2402.01253,
title = {RimiRec: Modeling Refined Multi-interest in Hierarchical Structure for Recommendation},
author = {Haolei Pei and Yuanyuan Xu and Yangping Zhu and Yuan Nie},
journal= {arXiv preprint arXiv:2402.01253},
year = {2024}
}
备注
4 pages, 4 figures