论文链接:
https://www.ijcai.org/Proceedings/2020/0379.pdf
简介:现实世界中集成的个性化推荐系统通常处理数百万种异构项目。由于巨大的计算成本,使用复杂的模型进行完整的语料库检索非常具有挑战性。因此,大多数大型推荐系统由两个模块组成:一个用于有效检索一小部分候选人的多渠道匹配模块,以及一个用于精确个性化推荐的排名模块。但是,在添加新通道或新数据源时,多通道匹配通常会遇到冷启动问题。为解决此问题,我们提出了一种新颖的内部和上下文关注网络(ICAN),该网络突出显示了特定于通道的上下文信息以及多个通道之间的特征字段交互。在实验中,我们通过实际集成推荐系统上的案例研究进行离线和在线评估。重大改进证实了ICAN的有效性和鲁棒性,尤其是对于冷启动通道。目前,ICAN已部署在数百万用户使用的微信热门故事上