多偏好Transformer推荐模型

精确编辑用户偏好

通过偏好编辑的自监督机制，从有限行为数据中分离并表征多个独立偏好，提升序列推荐准确性。

Ma, Muyang · 任鹏杰 · 陈竹敏 · 任昭春 · Huasheng, Liang · 马军 · de Rijke, Maarten

ACM Transactions on Information Systems 2023

技术优势

偏好解耦更准

强制模型区分不同序列间的共同偏好和独有偏好，从而将用户偏好分离成多个独立表示，提升偏好提取能力。

长序列提升大

偏好难以提取和表征的长序列交互从偏好编辑中获益最多。

应用场景

• 电商推荐系统：从用户点击序列中提取多个独立购物偏好，提升商品推荐点击率。
• 个性化内容推荐：在新闻、视频等场景中从有限行为识别多种内容偏好，实现精准排序。
• 用户行为序列分析：利用偏好编辑从行为序列中分离共同与独特偏好，辅助用户建模。
• 多兴趣表征学习：用偏好编辑增强多兴趣解耦表示学习，提升下游任务效果。