观看谁的下一场：用于直播推荐的双边交互网络
信息检索
2022-02-10 v1
摘要
随着当今直播业务的普及，一种称为直播推荐的新类型推荐服务被广泛应用于许多移动电商 App 中。与经典物品推荐不同，直播推荐是在考虑三元对象（即用户、主播、物品）之间交互而非用户与物品间二元交互的基础上，自动推荐用户主播而非物品。现有基于二元对象的方法，从早期的矩阵分解到近期涌现的深度学习，通过从已有特征映射来获取对象嵌入。直接应用这些技术会导致有限性能，因为它们未能编码三元对象间的协同信号。本文中，我们提出一种新颖的 TWo-side Interactive NetworkS（TWINS）用于直播推荐。为充分利用用户侧与主播侧的静态和动态信息，我们结合基于乘积的神经网络与循环神经网络来学习各对象的嵌入。此外，TWINS 并非直接度量相似性，而是通过以显式方式对用户浏览历史与主播直播历史在物品与主播两方面建模交互模式，将协同效应有效注入嵌入过程。进一步，我们设计了一种新颖的协同检索技术，以在海量历史记录中高效筛选关键物品。在真实大规模数据上的离线实验显示所提 TWINS 相较代表性方法的优越性能；点淘 App 上的在线实验进一步结果表明，TWINS 在 ACTR 指标上平均提升约 8%，UCTR 指标上 3%，UCVR 指标上 3.5%。
引用
@article{arxiv.2202.04333,
title = {Who to Watch Next: Two-side Interactive Networks for Live Broadcast Recommendation},
author = {Jiarui Jin and Xianyu Chen and Yuanbo Chen and Weinan Zhang and Renting Rui and Zaifan Jiang and Zhewen Su and Yong Yu},
journal= {arXiv preprint arXiv:2202.04333},
year = {2022}
}
备注
WWW 2022