PulseAugur
中
实时 02:08:13
English(EN) SetMIR: Multi-Interest Retrieval as Set Prediction

SetMIR 将多兴趣检索视为集合预测，提升 Snap 的广告效果

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SetMIR，一种将多兴趣检索问题视为集合预测任务的新颖方法。该方法利用 Transformer 编码用户历史记录和 K 个可学习的查询来解码不同的用户兴趣，每个兴趣都有一个存在分数。SetMIR 通过在训练期间使用 Hungarian 匹配，并在服务时使用存在分数和非极大值抑制 (NMS) 来优化查询发布，从而解决了兴趣坍塌和静态分派等问题。在 Snap 的动态产品广告数据上进行测试时，SetMIR 的性能优于现有的多兴趣检索器，同时将 ANN 查询减少了 33%。将其部署到 Snap 的 DPA 生产堆栈后，整体 CVR 提高了 3.1%，并且特定检索源的 CTR 和 CVR 显著提升。 AI

影响 这种新的检索方法可以增强推荐系统和广告平台中的个性化和效率。

排序理由 该集群描述了一篇详细介绍新颖检索方法的学术论文。[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 →

SetMIR 将多兴趣检索视为集合预测，提升 Snap 的广告效果

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一篇详细介绍新颖检索方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
5 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Yu Zhang ·

    SetMIR：多兴趣检索作为集合预测

    Embedding-based retrieval is at the core of industrial recommender systems, but a single user embedding is often too limited to capture a user's diverse interests. Multi-interest retrieval addresses this by using multiple user embeddings, yet existing methods still suffer from tw…

相关实体

相关话题