前言
雅虎日本2017年发的他们的推荐系统paper,主要以Emebdding作为用户和文本新闻的表示方式,来让我们师夷长技以自强下。
亮点
主要就是在倒腾各种Embedding,用来做推荐。
1)用降噪自编码实现文章的 embedding e m b e d d i n g 。
2)用RNN学习用户行为的 embedding e m b e d d i n g 。
YaHoo日本的图文推荐处理流程
- Identify ⟶ ⟶ 获取用户特征 Vu V u 。
- Matching ⟶ ⟶ 匹配候选新闻集合。
- Ranking ⟶ ⟶ 对候选集排序。
- De-duplication ⟶ ⟶ 根据新闻相关性去重。
- Advertising ⟶ ⟶ 插入广告。
notice-1: 在上述1,2,4的地方用到了Embedding表示的用户和新闻。
notice-2: 在第2点上并没有说清楚是从所有新闻中匹配候选集,还是有个所有新闻的子集来做匹配。
notice-3: 在最终展示顺序上,以排序为基础,辅以额外的影响因素,比如新鲜度(hot),相似新闻不近邻(diversity)等。
为什么Eebedding
1) 协同过滤和低秩分解类方法的先天缺陷
不适应更新很快的系统,只消耗旧数据 ,无法对新数据产生足够快的响应。基于词的推荐,则容易受限于词自身的语义缺点,比如同义词的不同词容易推类似新闻。图文推荐系统的特点,不同于广告和视屏,图文新闻过期很快。
2) 用户的行为历史的顺序及结构信息,没有被充分利用起来。
基于上述两点,分别用改进的降噪自编码对文章作表达,用RNN方法对用户作表达。来完成以下三点推荐要素:
1. ⟶ ⟶ 理解文章内容。
2. ⟶ ⟶ 理解用户喜好。
3. ⟶ ⟶ 为个体用户选择新闻并排序。
Artical Embedding
基本模型是denoising autoencoder,对其加上弱监督学习作改进,以提高hiden-layer-embedding对差距的表达能力。