May, 2023

在线表示很重要：搜索和推荐系统中的实用端到端多样化

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 多样化推荐的分离表示

    本文提出了一个通用的推荐多样性框架，能在不牺牲精度的前提下实现商品类别的多样性，需要细致理解用户对商品的品质或预选属性的偏好，使用户表示与商品类别无关，通过改进模型能够在商品类别内改进用户分类喜好的建模与商品排序，通过实验证明了该模型对精度和多样性的提升。

    Jan, 2023

  • 视觉探索的自适应个性化多样性

    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。

    Oct, 2018

  • 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

  • 通过多样化偏好网络提高推荐匹配的准确性和多样性

    本论文提出了一种使用异构图神经网络的推荐系统匹配模块，以提高精度和多样性，通过使用基于邻域相似性的损失来平衡两者。

    Feb, 2021

  • 解决推荐系统中表观多样性 - 准确性两难问题

    介绍了一种针对推荐系统中推荐准确性和多样性的算法，通过将该算法与基于准确性的算法混合使用，能够在不依赖语义或特定上下文信息的情况下同时提高推荐的准确性和多样性。

    Aug, 2008

  • 知识图谱上下文增强的多样化推荐

    在知识图谱领域中，针对推荐系统的多样化进行研究，引入了实体覆盖度和关系覆盖度的度量方法，并提出了多样化嵌入学习和条件对齐与一致性技术，以增强知识图谱驱动的推荐系统的多样性。

    Oct, 2023

  • CAViaR: 上下文感知视频推荐

    提出了一种通过建模低多样性对用户对个别项目的参与度影响以调整项目得分来实现多样性和相关性均衡的新方法，该方法可插入现有的大规模推荐系统，具有显著的性能提高。

    Apr, 2023

  • 推荐系统中的用户公平性

    本文提出并探讨了用户公平性的概念，研究了两个多样化算法，发现仅追求多样性的推荐会导致用户间的不公平现象。

    Jul, 2018

  • 高效多样化的网页搜索结果

    通过定义查询细化概率的新方法，并提出了一个统一的框架来研究结果多样化方案的性能和可行性。在标准测试集上，OptSelect 算法相较于 IASelect 和 xQuAD 算法，能够以两个数量级的速度更快地运行，且具有可比效果。

    May, 2011