【WWW2020-华为诺亚方舟论文】元学习推荐系统MetaSelector

2020 年 2 月 10 日 专知

MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection

用户级自适应模型选择推荐的元学习


摘要:

推荐系统经常面对包含高度个性化的用户历史数据的异构数据集,单个模型无法为每个用户提供最佳的推荐。我们在公共和私有数据集上观察到这种普遍存在的现象,并解决了为每个用户优化推荐质量的模型选择问题。我们提出了一个元学习框架,以促进用户级自适应模型选择推荐系统。在该框架中,用来自所有用户的数据对推荐器集合进行训练,在此基础上通过元学习对模型选择器进行训练,为具有特定用户历史数据的每个用户选择最佳模型。我们在两个公共数据集和一个真实的生产数据集上进行了大量的实验,证明我们提出的框架在AUC和LogLoss方面实现了对单个模型基线和样本级模型选择器的改进。特别是,这些改进可能会带来巨大的利润收益时,部署在网上推荐系统。


地址:

https://arxiv.org/abs/2001.10378




专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“MSW” 就可以获取【WWW2020-华为诺亚方舟论文】元学习推荐系统》论文专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
11

相关内容

【CVPR2020-北京大学】自适应间隔损失的提升小样本学习
专知会员服务
83+阅读 · 2020年6月9日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
近期必读的5篇顶会WWW2020【推荐系统】相关论文-Part2
专知会员服务
68+阅读 · 2020年4月7日
近期必读的6篇AI顶会WWW2020【推荐系统】相关论文
专知会员服务
56+阅读 · 2020年2月25日
专知会员服务
86+阅读 · 2020年1月20日
【资源】元学习论文分类列表推荐
专知
19+阅读 · 2019年12月3日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
13+阅读 · 2019年1月26日
Meta-Learning with Latent Embedding Optimization
Arxiv
6+阅读 · 2018年7月16日
Arxiv
11+阅读 · 2018年7月8日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员