支持可追溯发布洞察的趋势响应型用户分群：一个真实大规模新闻推荐系统的案例研究
信息检索
2019-11-26 v1 机器学习
机器学习
摘要
传统离线方法已不足以构建在线新闻服务等领域的现代推荐系统，主要源于环境变化的高度动态性以及大规模高稀疏数据下运行的必要性。平衡探索与利用的能力使多臂老虎机成为传统方法的高效替代，而鲁棒的用户分群在为此类在线推荐算法提供上下文方面起着关键作用。本工作中，我们提出一种无监督且趋势响应的方法，依据用户的语义兴趣进行分群，该方法已与真实世界大规模新闻推荐系统相集成。在线 A/B 测试结果表明，相较于全局优化算法，其在多项不同特征的服务上均有显著提升。基于实验结果及对分群描述与趋势动态的探究，我们提出了应对不同用例特定现实挑战的该方法扩展。此外，我们描述了一种生成可追溯发布洞察的方法，以促进服务于全体用户多样化需求的内容创作。
引用
@article{arxiv.1911.11070,
title = {Trend-responsive User Segmentation Enabling Traceable Publishing Insights. A Case Study of a Real-world Large-scale News Recommendation System},
author = {Joanna Misztal-Radecka and Dominik Rusiecki and Michał Żmuda and Artur Bujak},
journal= {arXiv preprint arXiv:1911.11070},
year = {2019}
}