面向多场景推荐的场景感知分层动态网络
信息检索
2023-09-06 v1
摘要
点击率（CTR）预测是推荐与广告系统中的基础技术。近期研究表明，实施多场景推荐有助于加强信息共享并提升整体性能。然而，现有多场景模型仅考虑依赖于人工先验规则预定义场景标识的粗粒度显式场景建模，这种方式存在偏差且非最优。为克服这些局限，我们提出一种用于多场景推荐的场景感知分层动态网络（HierRec），其自适应感知隐式模式并联合进行显式与隐式场景建模。具体而言，HierRec基于动态权重设计了一个面向基础场景的模块以捕获场景特定信息。随后提出分层显式与隐式场景感知模块来建模混合粒度的场景信息。多头隐式建模设计有助于从不同视角感知差异化模式。我们在两个公开数据集及某主流在线广告平台上的真实工业应用表明，HierRec显著优于现有模型。
引用
@article{arxiv.2309.02061,
title = {Scenario-Aware Hierarchical Dynamic Network for Multi-Scenario Recommendation},
author = {Jingtong Gao and Bo Chen and Menghui Zhu and Xiangyu Zhao and Xiaopeng Li and Yuhao Wang and Yichao Wang and Huifeng Guo and Ruiming Tang},
journal= {arXiv preprint arXiv:2309.02061},
year = {2023}
}