腾讯 | UIE: 大规模推荐系统中基于流式聚簇和记忆网络的用户兴趣增强, 已在多场景上线

嘿，记得给“机器学习与推荐算法”添加星标作者：刘鹏单位：腾讯TLDR: 针对推荐系统中大量用户存在兴趣稀疏的问题，本文提出了一种称为UIE的用户兴趣增强方案，基于流式相似聚簇和记忆网络从不同的角度为用户构建多个兴趣增强向量。UIE不仅显著提升了兴趣稀疏用户(低活用户)的推荐效果，对其它用户(高活用户)也很有效。在视频场景，低活用户的人均有效消费提升:+7.96%，人均时长提升:+3.65%；高活用户的人均有效消费提升:+4.06%，人均时长提升:+2.19%。当前，UIE已经在多个场景落地并取得显著收益。论文：https://arxiv.org/abs/2405.132381. 研究动机推荐系统(Recommender System, RS)根据用户兴趣进行个性化推荐，被广泛应用于短视频、电商、社交等多种平台。用户兴趣包括用户画像和用户行为序列2部分，如图1和图2所示。但是，由于部分用户缺少消费行为， ………………………………