背景
用户冷启动一直是推荐系统中的一个难题,新用户(或非活跃用户)由于缺少行为数据,模型预估不准确。为了改善用户冷启动,腾讯提出了User Interest Enhancement (UIE)模型(论文中提到也可以用于item的冷启动)。基本思想是先对用户聚类,然后用user embedding检索最相似的k个聚类中心来表示用户属性,其实就是用相似用户来补充冷启用户的兴趣表示。
模型结构
模型结构如上图所示,论文采用了PLE模型作为主模型框架,模型主要变化在于使用UIE结构生成了3个enhancement vector来加强用户的兴趣表示
UIE主要包含3个部分:
1. User Profile Enhancement (UPE)
2. User Consump- tion Behavior Enhancement (UCBE)
3. User Consumption Se- quence Enhancement (UCSE)
User Profile Enhancement (UPE)
UPE的结构如上图最左部分所示:
1. 首先通过一个辅助tower得到user profile vector
2. 更新聚类中心,训练之前,会对N个聚类中心进行随机初始化(每个聚类中心是一个d维的),然后会按如下公式更新聚类中心:
其中
标签:Clustering,中心,Stream,用户,Enhancement,冷启动,聚类,向量,User From: https://www.cnblogs.com/xumaomao/p/18240261