用户画像识别与新服务适配推荐
信息检索
2023-11-21 v1 人工智能
摘要
在信息密集的网页上提供个性化用户体验有助于用户更快达成最终目标。我们探索了一种利用网页用户会话的高维轨迹信息来自动识别用户画像的方法。虽然神经协同过滤（NCF）方法很少关注令牌语义，我们的方法引入了 SessionBERT，一种基于 Transformer 的语言模型，从零开始在掩码语言建模（mlm）目标上针对用户轨迹（会话中的页面、元数据、账单）进行训练，旨在捕捉其中的语义。我们的结果表明，通过 SessionBERT 学习到的表示能够持续优于 BERT-base 模型，在预测页面链接和后续服务上分别带来 3% 和 1% 的 F1 分数相对提升。我们利用 SessionBERT 并将其扩展，为用户最可能使用的下一个最相关服务提供推荐（top-5）。我们的推荐模型取得了 58% 的 HIT@5。
引用
@article{arxiv.2311.10773,
title = {User Persona Identification and New Service Adaptation Recommendation},
author = {Narges Tabari and Sandesh Swamy and Rashmi Gangadharaiah},
journal= {arXiv preprint arXiv:2311.10773},
year = {2023}
}
备注
6 pages