KDD2024 | GFN4Retention: 基于生成流网络的用户留存建模

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 TLDR: 本文是香港城市大学和快手的联合研究工作，提出一种基于生成流网络的用户留存优化框架，将单步推荐的用户即时反馈整合到长期优化目标中，同时优化留存和即时反馈并实现更高的稳定性。 论文： https://arxiv.org/abs/2406.06043 代码： https://github.com/Applied-Machine-Learning-Lab/GFN4Retention 视频： https://www.youtube.com/watch?v=YeQPUhBcwkg =PLn0nrSd4xjja0X85oQRfVQarMKL-pocwR 1. 研究背景 在信息过剩的时代，推荐系统成为引导用户找到符合个人喜好的内容的关键工具。传统评估指标如点击、点赞和评分虽能捕捉用户即时反馈，但不足以衡量用户的长期参与度。为了解决这一问题，我们开始关注一些长期指标，如用户回访行为，这是衡量用户整体满意度和每日活跃用户（DAU）的重要指标。 在实践中，建模和优化用户留存是一 ………………………………