熟悉双塔的人都知道，在用户侧，模型最后往往都生成一个向量去检索，这个向量不足以表达用户的多兴趣，《Multi-Interest Network with Dynamic Routing for Recommendation at Tmall》这篇就提出了一个label-aware attention把用户表达为多个兴趣。
左图展示了天猫给上亿用户个性化的推荐，右图展示了商品丰富的品类，我们肯定不希望最近买了个iphone12，打开天猫，一整面的手机配件商品推荐，多兴趣的目标，也是增加推荐的多样性。天猫上亿的用户，每个人都要每天浏览上百的商品，这些商品不同的类目，就反应了用户不同的兴趣。废话不多说，下面直入论文主题。
问题定义
多兴趣的目标，就是为每个用户从上亿规模的商品集合I中找到候选集，该候选集一般有几千个商品，都和该用户当前的兴趣相关。历史数据就尤为重要了，当前兴趣和历史行为强相关。每个样本都能表达为一个三元组(Iu, Pu, Fi)，Iu表示历史上，和用户交互过的商品。Pu就是用户的基础特征(年龄性别啥的)，Fi就是商品的特征了(itemid, 类目id)。
这篇论文的模型，目标就是把每个用户历史交互特征和基本特征映射成多个向量：
最低0.47元/天 解锁文章
2113
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
