PulseAugur
中
实时 21:54:46
English(EN) Long-term User Engagement Optimization through Model-agnostic Downstream Rewards Learning

Pinterest 开发模型无关的长期用户参与度框架

作者 PulseAugur 编辑部 · [1 个来源] ·

Pinterest 的研究人员开发了一个新的模型无关框架，旨在优化大规模推荐系统中长期用户参与度和留存率。该框架通过识别预测未来留存率的会话级行为，解决了稀疏、延迟和部分可归因的返回信号的挑战。该系统已成功部署到 Pinterest 的各种平台，包括 Homefeed、Related Pins、Search 和 Notifications，并在参与度和留存率指标方面取得了持续的改进。 AI

影响 增强推荐系统的长期用户留存率，可能影响未来的推荐系统设计。

排序理由 关于推荐系统新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Pinterest 开发模型无关的长期用户参与度框架

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Yijie Dylan Wang ·

    通过模型无关的下游奖励学习实现长期用户参与度优化

    As recommender systems mature in the past few years, their optimization objectives have evolved from a primary focusing on short-term behavioral signals to a broader emphasis on long-term user engagement and retention. However, directly optimizing retention is difficult because r…

相关实体

相关话题