研究人员为直播推荐平台开发了一种新颖的多目标排序系统，以解决用户行为稀疏和延迟的挑战。该系统采用延迟窗口方法进行扩展反馈收集，并结合了新鲜和延迟信号的多模型架构。此外，一个面向细分受众的定向模块根据用户生命周期阶段优化排序分数，并且多门混合专家（MMoE）集成减少了模型参数，同时联合建模相关目标。在线A/B测试显示，日活跃观看者（DAV）和每用户平均收入（ARPU）均有显著提升，新观看者获得特定收益，并且MMoE增强带来了整体DAV的增加。 AI
影响 这项研究通过优化推荐算法，有望提高直播平台的用户参与度和盈利能力。
排序理由 该集群包含一篇详细介绍直播推荐新系统的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Multi-gate Mixture-of-Experts (MMoE)
- Multi-Objective Ranking for Live-Streaming: Balancing Fresh and Delayed Signals with Segment-Aware Targeting
- Twitch
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
