Oct, 2018

视觉探索的自适应个性化多样性

PDF
TL;DR本文探讨了 Amazon 新型视觉浏览和发现系统 Stream 中，针对自适应个性化和项目分散方向的拓展。该系统包括三个组件：利用不确定性的贝叶斯回归模型来评分项目的相关性；基于类别重新排名排名得分最高的项目的子模块化分散框架；从用户行为中学习的个性化类别偏好。在现场测试中，我们的算法显示了强烈的点击率和会话持续时间提升。
visual browsing systemsadaptive personalizationitem diversificationbayesian regression modelsubmodular diversification
发现论文，激发创造
  • 在线表示很重要：搜索和推荐系统中的实用端到端多样化

    为了在在线平台中提高用户的代表性，我们提出了一种端到端的多样化机制，包括检索、排名和负责平衡多样性和实用性的多目标优化；实验结果表明这种方法显著提高了多样性，并且在实用性方面具有中性到正面的影响。

    May, 2023

  • 电子商务中大规模商品推荐生成的多模态推荐系统

    本文提出了两种可视化推荐系统，该系统可以自动为客厅家具配套筛选整个选择，以最大化配合效果和利用文本数据和多语言话题建模来推断风格。实验结果表明，从包括视觉和文本数据的产品集合中发现补充风格效果最好。

    Jun, 2018

  • VBPR：使用隐式反馈的视觉贝叶斯个性化排序

    本文利用预先训练的深度神经网络提取商品图像的视觉特征，并在此基础上构建一个可扩展的因式分解模型，将视觉信号与人们的偏好相结合，从而提高了个性化推荐和排名的准确性，并缓解了 “冷启动” 问题。

    Oct, 2015

  • Pinterest 的视觉搜索

    本文介绍了如何利用分布式计算平台如 Amazon Web Services 和开源工具，以及一小团队的努力，构建、发布和维护一个成本效益高、大规模的视觉搜索系统，并通过 Pinterest 平台进行了一系列实验，证明了基于视觉搜索的内容推荐可以提高用户参与度，分享构建商用视觉搜索引擎的实现细节和经验，以期更广泛地将视觉搜索引入商业应用。

    May, 2015

  • 推荐系统中的意图多样化

    推荐系统中往往过于关注短期参与度，而此项研究关注将用户意图整合到整页推荐中以优化用户的长期体验。

    May, 2024

  • 基于关键词的图像搜索动态视觉消歧

    通过自适应多模型框架解决视觉多义性问题，该框架由两个步骤组成：发现和动态选择文本查询，然后使用基于显著性引导的深度多实例学习网络去除异常值并学习用于视觉消歧的分类模型。

    May, 2019

  • 基于可解释图像表示的视觉感知个性化推荐

    本文提出了一种新颖的个性化服装推荐方法，该方法使用可解释的图像特征学习过程来解释用户对特定视觉属性和风格的偏好，并在个性化排名任务中实现了最先进的性能。

    Jun, 2018

  • 生成多模态解释的个性化展示

    本研究提出了一种名为个性化展示的新任务，以更丰富的信息形式生成推荐解释，通过对来自 Google Local 的大规模数据集的构建和收集，运用对比学习的方法构建了一个个性化多模态框架，利用多种输入模态生成多样化和可视化的解释，该框架在多种评估指标上比之前的方法有更多元化和表现力。

    Jun, 2022

  • 电子商务中选择最佳产品图片的智能系统

    本文提出了一种基于机器学习的视觉内容管理系统，用于极大型电子商务产品目录。该系统基于图像分类技术，从多个供应商聚合产品图像，并根据顾客需求进行优化，通过不同阶段的分析实现计算机视觉和深度学习技术，解决实际业务问题。

    Nov, 2018

  • 图探索很重要：在微信信息流推荐中提高个体和系统多样性

    提出了一种解决工业级推荐系统中个人层面多样性和系统层面多样性的集成问题的方案，使用检索图信息来增加多样性，捕捉用户的实时多样性倾向，并在微信应用的 Top Stories 等应用中实现并部署，离线模拟和在线 AB 测试显示该方案可以有效提高用户参与度和系统收入。

    May, 2023