Personalized Bundle Recommendation in Online Games 阅读笔记
Qilin Deng, Kai Wang, Minghao Zhao, Zhene Zou, Runze Wu, Jianrong Tao, Changjie Fan and Liang Chen.
Netease Game and Sun Yat-Sen University
存在挑战
- 数据稀疏和冷启动问题。
- Bundle的泛化。
- Bundle与Bundle之间的相关性。
主要贡献
-
在工业界部署,通过在线A/B测试,提高了60%转化率和15%交易额。
A/B 测试,让一部分用户使用A方案,一部分用户使用B方案,统计对比不同指标,以判断不同方案的优劣。
-
采用了可区分的消息传递框架,区分对待user-item,user-bundle,bundle-item三种关联。
模型设计
整体是GCN-based模型。
-
相较于传统的user-item二部图,构造了user-item-bundle三部图
A = [ 0 A u i A u b A u i T 0 A b i T A u b T A b i 0 ] \mathbf{A}=\left[\begin{array}{ccc} \mathbf{0} & \mathbf{A}_{u i} & \mathbf{A}_{u b} \\ \mathbf{A}_{u i}^{T} & \mathbf{0} & \mathbf{A}_{b i}^{T} \\ \mathbf{A}_{u b}^{T} & \mathbf{A}_{b i} & \mathbf{0} \end{array}\right] A=⎣⎡0AuiTAubTAui0AbiAubAbiT0⎦⎤ -
可区分的消息传递
h i l + 1 = σ ( W l h i l + ∑ r ∈ R ∑ j ∈ N i r 1 c i , r W r l h j l ) \mathbf{h}_{i}^{l+1}=\sigma\left(\mathbf{W}^{l} \mathbf{h}_{i}^{l}+\sum_{r \in \mathcal{R}} \sum_{j \in N_{i}^{r}} \frac{1}{c_{i, r}} \mathbf{W}_{r}^{l} \mathbf{h}_{j}^{l}\right) hil+1=