论文链接：
https://www.ijcai.org/Proceedings/2020/0379.pdf
简介：现实世界中集成的个性化推荐系统通常处理数百万种异构项目。由于巨大的计算成本，使用复杂的模型进行完整的语料库检索非常具有挑战性。因此，大多数大型推荐系统由两个模块组成：一个用于有效检索一小部分候选人的多渠道匹配模块，以及一个用于精确个性化推荐的排名模块。但是，在添加新通道或新数据源时，多通道匹配通常会遇到冷启动问题。为解决此问题，我们提出了一种新颖的内部和上下文关注网络（ICAN），该网络突出显示了特定于通道的上下文信息以及多个通道之间的特征字段交互。在实验中，我们通过实际集成推荐系统上的案例研究进行离线和在线评估。重大改进证实了ICAN的有效性和鲁棒性，尤其是对于冷启动通道。目前，ICAN已部署在数百万用户使用的微信热门故事上
成为VIP会员查看完整内容
Internal and Contextual Attention Network for Cold-start Multi-channel Matching in Recommendation
相关内容
推荐系统，是指根据用户的习惯、偏好或兴趣，从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同，这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
Arxiv
5+阅读 · 2020年10月6日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
4+阅读 · 2018年8月29日
相关主题
相关VIP内容
相关资讯
相关论文
Arxiv
5+阅读 · 2020年10月6日
Arxiv
8+阅读 · 2019年5月20日
Arxiv
4+阅读 · 2018年8月29日
微信扫码咨询专知VIP会员