Enhancing User Interest based on Stream Clustering and Memory Networks in Large-Scale Recommender Systems

要約

推奨システム（RSS）は、さまざまなプラットフォームで広く使用されているユーザーの関心に基づいてパーソナライズされた推奨サービスを提供します。
ただし、消費行動が不足しているためにまばらな関心を持つ多くのユーザーがいます。これにより、推奨の結果が低下します。
この問題は、大規模なRSSで広く普及しており、特に対処するのが困難です。
この挑戦的な問題を解決するために、ユーザー関心拡張（UIE）と呼ばれる革新的なソリューションを提案します。
UIEは、メモリネットワークで保存および更新される複数の観点から同様のユーザーとアイテムの動的なストリーミングクラスタリングに基づいて生成された強化ベクトルと生成されたパーソナライズされた強化ベクトルを活用することにより、ユーザープロファイルやユーザー履歴の動作シーケンスを含むユーザーの関心を高めます。
UIEは、関心がまばらなユーザーのモデルパフォーマンスを著しく改善するだけでなく、他のユーザーに顕著な利益をもたらします。
エンドツーエンドのソリューションとして、UIEは既存のランキングモデルの上に簡単に実装できます。
さらに、同様の方法を使用して、ロングテールアイテムへのアプローチを拡張します。これにより、優れた改善も得られます。
大規模な産業Rsで大規模なオフラインおよびオンライン実験を実施しています。
結果は、私たちのモデルが他の既存のアプローチを大幅に上回っていることを示しています。
UIEは、2022年5月21日に公開された2022年以来、Tencentでいくつかの大規模なRSSに展開されています。さらに、UIEベースの方法は、候補生成、事前ランク、およびコンテキストDNNステージにも成功裏に適用されています。
複数のチームがUIEに基づいてソリューションを開発し、主にクラスタリングアルゴリズムと注意メカニズムの更新に焦点を当てています。
私たちが知る限り、UIEは多くの企業によって展開されています。
UIEの考え、動的なストリーミングクラスタリングと類似性の向上は、その後の関連する作品に影響を与えました。

要約(オリジナル)

Recommender Systems (RSs) provide personalized recommendation service based on user interest, which are widely used in various platforms. However, there are lots of users with sparse interest due to lacking consumption behaviors, which leads to poor recommendation results for them. This problem is widespread in large-scale RSs and is particularly difficult to address. To solve this challenging problem, we propose an innovative solution called User Interest Enhancement (UIE). UIE enhances user interest including user profile and user history behavior sequences by leveraging the enhancement vectors and personalized enhancement vectors generated based on dynamic streaming clustering of similar users and items from multiple perspectives, which are stored and updated in memory networks. UIE not only remarkably improves model performance for users with sparse interest, but also delivers notable gains for other users. As an end-to-end solution, UIE is easy to implement on top of existing ranking models. Furthermore, we extend our approach to long-tail items using similar methods, which also yields excellent improvements. We conduct extensive offline and online experiments in a large-scale industrial RS. The results demonstrate that our model substantially outperforms other existing approaches, especially for users with sparse interest. UIE has been deployed in several large-scale RSs at Tencent since 2022, which was made public on 21 May 2024. In addition, UIE-based methods have also been successfully applied in candidate generation, pre-ranking, and context-DNN stages. Multiple teams have developed solutions based on UIE, focusing primarily on updating clustering algorithms and attention mechanisms. As far as we know, UIE has been deployed by many companies. The thoughts of UIE, dynamic streaming clustering and similarity enhancement, have inspired subsequent relevant works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google