基于生成范式的搜索与推荐统一化 -- 双视图表征学习
信息检索
2025-10-28 v3
摘要
搜索引擎和推荐系统是在线平台的基础性元素，前者主动提供信息，后者使用户能够主动寻找信息。将两者在共享模型中统一是具有潜力的，因为它可以增强用户建模和项目理解。以往方法主要遵循判别范式，利用共享编码器处理输入特征并使用特定于任务的头部执行每个任务。然而，这种范式面临两个关键挑战：梯度冲突和手动设计复杂性。从信息论角度来看，这些挑战可能都源于同一个问题——在优化过程中，输入特征与任务特定输出之间的互信息较低。为了解决这些问题，我们提出了 GenSR，这是一种统一搜索和推荐 (S&R) 的新型生成范式，利用任务特定提示将模型的参数空间划分为子空间，从而增强互信息。为了为每个任务构建有效的子空间，GenSR 首先为每个子空间准备信息丰富的表征，然后在一个统一模型中优化两个子空间。具体而言，GenSR 包含两个主要模块：(1) 双表征学习，该模块独立地对协同历史信息和语义历史信息进行建模，以派生富有表征力的项目表征；以及 (2) S&R 任务统一，利用对比学习和指令调谐有效地生成任务特定的输出。大量实验表明，GenSR 在 S&R 任务上超越了最先进的方法。我们的工作引入了与以前判别方法相比的新型生成范式，并从互信息角度建立了其优越性。
引用
@article{arxiv.2504.06714,
title = {Unifying Search and Recommendation with Dual-View Representation Learning in a Generative Paradigm},
author = {Jujia Zhao and Wenjie Wang and Chen Xu and Xiuying Chen and Zhaochun Ren and Suzan Verberne},
journal= {arXiv preprint arXiv:2504.06714},
year = {2025}
}