面向多样化推荐的滑谱分解
信息检索
2021-07-13 v1 机器学习
摘要
内容流是一种向用户推荐一系列条目以供浏览与互动的产品，已在社交媒体平台中获得极大普及。本文提出从条目序列视角、利用时间序列分析技术研究此类场景下的多样性问题。我们推导出一种称为滑谱分解（SSD）的方法，用以刻画用户在浏览长条目序列时对多样性的感知。我们还分享了在设计并实现一种适用于长尾效应下精确相似度度量的条目嵌入方法方面的经验。二者结合后，现已在小红书 App 的生产推荐系统中完整实现并部署，每日为数千万人提供主探索流产品服务。我们通过理论分析、离线实验与在线 A/B 测试证明了该方法的有效性与高效性。
引用
@article{arxiv.2107.05204,
title = {Sliding Spectrum Decomposition for Diversified Recommendation},
author = {Yanhua Huang and Weikun Wang and Lei Zhang and Ruiwen Xu},
journal= {arXiv preprint arXiv:2107.05204},
year = {2021}
}
备注
In Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '21), August 14--18, 2021, Virtual Event, Singapore