今天给大家介绍一篇阿里在重排(re-rank)方面探索的文章,论文题目为《Revisit Recommender System in the Permutation Prospective》,重点关注排列视角下的重排序过程,其大致思路可以分为两个阶段,第一阶段通过beam-search方法寻找候选的物品排列顺序,第二阶段通过定义的LR(List Reward) 得到最优的排列顺序,一起来学习一下。
1、背景
完整的推荐系统大都分为三个阶段,召回、排序和重排序。随着推荐技术的发展,各个阶段都有多样的技术和手段来提升最终的推荐效果。召回和排序阶段大都使用point-wise的方法,而在重排序阶段,则大都使用list-wise的方法。普遍使用的重排序的过程如下:
1)Ranking:通过排序阶段的排序分,得到初始的排序列表
2)Refining:通过list-wise的模型(LSTM/self-attention)对排序分进行调整
3)Re-ranking:基于Refining阶段的排序分,以贪婪的方式对列表进行重新排序
但是,上述的过程由于没有考虑商品排列因素(permutation-variant influence),因此并不是整体最优的。举个例子来解释一下什么是permutation-variant influence。如下图所示,两个列表A-B-C和B-A-C包含相同的三个物品ÿ