【WWW2020-中科大】LightRec:一个内存和搜索高效率的推荐系统

深度推荐系统近年来取得了显著的进步。尽管其具有较高的排名精度，但其运行效率和内存消耗在现实中成为严重的瓶颈。为了克服这两个限制，我们提出了LightRec，这是一个轻量级的推荐系统，具有快速的在线推理和经济的内存消耗。LightRec的主干是B码本，每个B码本由W个潜在向量组成，称为码字。在这种结构的顶部，LightRec将有一个项目表示为B码字的附加组合，这些B码字是从每个码本中最佳选择的。为了从数据中有效地学习代码本，我们设计了一个端到端学习工作流，其中所提出的技术克服了固有的可微性和多样性方面的挑战。此外，为了进一步提高表示质量，我们使用了一些蒸馏策略，这些策略可以更好地保存用户-项目的相关性分数和相对的排序顺序。LightRec通过四个真实世界的数据集进行了广泛的评估，这产生了两个经验发现:1)与最先进的轻量级基线相比，LightRec在召回性能方面取得了超过11%的相对改进;2)与传统推荐算法相比，在top-k推荐算法中，LightRec的精度下降幅度可以忽略不计，但速度提高了27倍以上。