腾讯冷启动论文阅读《Enhancing User Interest based on Stream Clustering and Memory Networks in Large-Scale Reco

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