Apr, 2024

RE-RecSys: 一个房地产领域的推荐属性的端到端系统

PDF
TL;DR我们提出了一个实时房地产推荐系统，RE-RecSys，它已在实际产业环境中实施。我们基于可用的历史数据将用户分为四个类别：i）冷启动用户；ii）短期用户；iii）长期用户；和 iv）短长期用户。对于冷启动用户，我们提出了一种基于地区热度和用户偏好的新型规则引擎。对于短期用户，我们提出使用基于内容过滤模型的推荐属性，该模型根据用户最近的互动进行推荐。对于长期和短长期用户，我们提出了一种结合内容和协作过滤的新颖方法，可以轻松实施于实际情景。此外，根据转化率，我们为平台上用户执行的不同印象设计了一种新颖的加权方案，用于内容和协作模型的训练。最后，我们展示了来自印度领先房地产平台的实际房产和点击流数据集上所提出的管道 RE-RecSys 的效率。我们表明，所提出的管道可以在实际情景中部署，平均延迟小于 40 毫秒，每分钟处理 1000 次请求。
real-estate recommendation systemend-to-enduser categorizationcontent-filtering modelcollaborative filtering
发现论文，激发创造
  • EdgeRec: 移动淘宝边缘推荐系统

    提出一种基于边缘计算的推荐系统 (EdgeRec)，通过异构用户行为序列建模和行为注意力网络对推荐结果进行上下文感知的调整，实现实时用户感知和系统反馈，并通过淘宝主页数据的离线评估和在线性能测试证明了其有效性。

    May, 2020

  • 基于聚类和用户交互嵌入配置文件的高效无限用户 - 项目规模推荐系统

    本文介绍了一种应用图神经网络和对比学习框架来提取用户偏好的新方法，该方法结合了软聚类架构，极大地减少了推断过程的计算成本，实验表明该模型能以低计算成本学习用户偏好，并具有较高的准确性，我们将其称为 EfficientRec。

    Jan, 2024

  • 互惠推荐系统：对最新文献、挑战和社交推荐机会的分析

    本文介绍了先进推荐系统技术的快照，重点关注了 Recommender Systems，Reciprocal Recommender System 等 RRS 算法，以及融合过程和社交推荐应用的挑战和机遇。

    Jul, 2020

  • 流式推荐系统

    本文提出 sRec 框架，使用变分贝叶斯方法来处理流式推荐系统数据，并在真实数据集上的实验结果表明其优于其他流推荐系统的算法。

    Jul, 2016

  • RecSim: 一个可配置的推荐系统模拟平台

    RecSim 是一个可配置的用于制作序列交互推荐环境的平台，支持反馈学习和推荐系统技术的发展。

    Sep, 2019

  • 基于生成模型的现代推荐系统综述

    通过综合和多学科的调查研究，本文连接了使用生成模型（Gen-RecSys）在推荐系统中的关键进展，包括：基于交互驱动生成模型的基础概述；大型语言模型（LLM）用于生成推荐、检索和对话推荐的应用；以及用于处理和生成图像和视频内容的多模态模型在推荐系统中的整合。我们的全面观点使我们能够突出评估 Gen-RecSys 的影响和风险所必需的范式，并确定开放挑战。有关论文的更加最新版本可在此 https URL 找到。

    Mar, 2024

  • MerRec：一个用于 C2C 推荐系统的大规模多用途 Mercari 数据集

    MerRec 是第一个针对 C2C 推荐的大规模数据集，包含用户、产品和时间戳等标准特征，以及商品分类和文本属性等独特元素，通过六个推荐任务的广泛评估，为研究 C2C 推荐算法在实际场景中的发展建立了一个新的基准，弥合了学术界和工业界之间的差距。

    Feb, 2024

  • EasyRec：构建工业推荐系统的易用、可扩展和高效框架

    EasyRec 是一款易于使用、可扩展且高效的推荐框架，采用模块化设计模式，通过超参数优化和特征选择算法，实现自动化模型性能提升以适应不断变化的数据分布，适用于工业推荐系统。

    Sep, 2022

  • PrefRec: 基于用户偏好的推荐系统用于增强长期用户参与

    本文提出了一种名为 PrefRec 的新模型，它基于用户历史行为的喜好训练基于强化学习的推荐器，可有效地优化长期用户参与度，在大量的实验中，PrefRec 在所有任务中显着优于之前的最先进方法。

    Dec, 2022

  • RecRec: 推荐系统的算法性补救

    针对内容提供者，我们提出了一个适用于推荐系统的追索框架，旨在理解模型在做出特定预测和推荐时的基本原理，并通过对三个真实数据集上训练的推荐系统进行实证评估，展示了 RecRec 在生成有效、稀疏和可执行的追索方面的高效性。据我们所知，这项工作是首次对推荐系统生成追索的概念进行了概括和实证测试。

    Aug, 2023