【KDD2021】半个性化用户冷启动推荐系统

音乐流媒体服务严重依赖推荐系统来改善用户体验，通过帮助他们浏览一个大型音乐目录，并发现新的歌曲、专辑或艺术家。然而，向新用户推荐相关和个性化的内容，而不需要与目录进行交互，是一项挑战。这通常被称为用户冷启动问题。在这篇应用论文中，我们提出了最近部署在音乐流媒体服务Deezer上的系统来解决这个问题。该解决方案利用了一种半个性化的推荐策略，该策略基于深度神经网络架构，并基于来自异构信息源的用户集群。通过离线和在线的大规模实验，我们广泛展示了该系统在预测冷启动用户未来音乐偏好方面的实际影响和有效性。我们公开了我们的代码以及我们实验中的匿名使用数据。我们希望此次发布的行业资源将有助于未来用户冷启动建议的研究。

https://www.zhuanzhi.ai/paper/4cee8415418d91f2e22941231aba9a47