研究人员开发了一个名为MIMA的新推荐框架，旨在解决多兴趣推荐系统中的“兴趣塌陷”问题。MIMA采用多正例互斥分配策略，将用户请求中一起出现的物品分组，以监督不同的用户兴趣。这种方法结合因果Transformer解码器和匈牙利匹配，在训练过程中鼓励兴趣区分。此外，MIMA还包含一个路由模块来估计用户兴趣激活概率，从而在推理过程中实现不同兴趣通道之间可比的分数。在包括一个工业数据集在内的多个数据集上的实验表明，MIMA的性能优于现有方法，在线A/B测试显示业务得到显著改进。 AI
影响 引入了一种新颖的方法来提高推荐系统中用户兴趣的准确性和区分度。
排序理由 详细介绍推荐系统新算法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
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 →
