搜索还是推荐：基于神经Hawkes过程的打开应用动机预测

在单一应用中整合搜索与推荐服务在在线平台中已很普遍，由此产生了一项名为打开应用动机预测的新任务，旨在预测用户启动应用时的具体意图是进行信息搜索，还是浏览推荐内容以获取娱乐。研究表明，预测用户打开应用的动机有助于提高用户参与度并增强各种下游任务的性能。然而，准确预测打开应用的动机并非易事，因为它受用户特定因素、搜索查询、点击项及其时间发生顺序的影响。此外，这些活动按顺序发生并表现出复杂的时间依赖性。受神经Hawkes过程在序列时间依赖性建模中取得成功的启发，本文提出了一种新颖的神经Hawkes过程模型，以捕捉历史用户浏览和查询动作之间的时间依赖性。该模型称为基于神经Hawkes过程的打开应用动机预测模型（NHP-OAM），采用分层transformer和新颖的强度函数来编码多种因素，并利用打开应用动机预测层整合时间和用户特定信息，以预测用户的打开应用动机。为了证明我们NHP-OAM模型的优越性并为打开应用动机预测任务构建基准，我们不仅扩展了公开的搜索与推荐数据集ZhihuRec，还构建了一个新的真实世界打开应用动机数据集（OAMD）。在这两个数据集上的实验验证了NHP-OAM相对于基线模型的优越性。进一步的下游应用实验证明了NHP-OAM在预测用户打开应用动机方面的有效性，突显了NHP-OAM巨大的应用价值。