个性化搜索的关键是基于历史行为构建用户画像。针对缺乏历史数据的用户,基于组的个性化模型被提出,这些方法在对结果重排时,将相似用户的画像考虑在内。然而,现有的寻找相似的用户的方法大多简单地基于搜索行为中词汇或主题的相似性。本文提出了一种基于神经网络的增强方法,在语义空间中突出相似用户的作用。此外,我们认为,当用户只包含有限的历史行为时,基于行为的相似用户仍然不足以帮助用户理解新的查询。为了解决这个问题,我们将朋友网络引入个性化搜索中,以另一种方式确定用户之间的亲密度关系。由于朋友关系往往是基于相似的背景或兴趣而形成的,所以在朋友网络中自然隐藏着大量个性化的信息。在搜索行为和朋友关系的融合下,相似用户在基于组的个性化搜索中更为可靠地得到了强化。具体来说,我们分别针对用户的搜索行为和朋友关系将其划分到多个朋友圈。这两种朋友圈是互补的,从而构建一个更全面的群体画像来实现搜索结果个性化。实验结果表明,与现有个性化模型相比,本文提出的模型有了显著的提升。

http://playbigdata.ruc.edu.cn/dou/publication/2021_SIGIR_FriendGraph.pdf

成为VIP会员查看完整内容
27

相关内容

专知会员服务
36+阅读 · 2021年4月18日
专知会员服务
39+阅读 · 2021年4月5日
专知会员服务
41+阅读 · 2021年3月21日
【WWW2021】合作记忆网络的个性化任务导向对话系统
专知会员服务
14+阅读 · 2021年2月17日
专知会员服务
32+阅读 · 2021年2月12日
【WWW2021】基于图神经网络的社交好友排序
专知会员服务
48+阅读 · 2021年2月3日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
【CIKM2020】利用自注意力网络使搜索结果多样化
专知会员服务
12+阅读 · 2020年11月6日
【CIKM2020】学习个性化网络搜索会话
专知会员服务
14+阅读 · 2020年9月20日
支持个性化学习的行为大数据可视化研究
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
基于大数据搭建社交好友推荐系统
云栖社区
8+阅读 · 2018年2月2日
Arxiv
6+阅读 · 2018年4月21日
Arxiv
13+阅读 · 2018年4月18日
VIP会员
相关VIP内容
专知会员服务
36+阅读 · 2021年4月18日
专知会员服务
39+阅读 · 2021年4月5日
专知会员服务
41+阅读 · 2021年3月21日
【WWW2021】合作记忆网络的个性化任务导向对话系统
专知会员服务
14+阅读 · 2021年2月17日
专知会员服务
32+阅读 · 2021年2月12日
【WWW2021】基于图神经网络的社交好友排序
专知会员服务
48+阅读 · 2021年2月3日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
【CIKM2020】利用自注意力网络使搜索结果多样化
专知会员服务
12+阅读 · 2020年11月6日
【CIKM2020】学习个性化网络搜索会话
专知会员服务
14+阅读 · 2020年9月20日
微信扫码咨询专知VIP会员