KDD2024 | 基于双重意图转换的搜索推荐联合模型

主要观点总结

本篇文章介绍了作者在推荐系统中对双重意图感知建模的研究，提出了一种基于双重意图转换的搜索推荐联合模型（UDITSR）。该模型旨在解决推荐系统中用户隐式需求意图的准确建模以及双重意图与交互商品之间的关系建模问题。通过搜索监督生成需求意图，提出双重意图转换传播机制和意图转换对比学习方法，该模型在搜索和推荐任务中均表现出优于现有方法的性能。在美团外卖平台上的在线实验证明了其有效性。

关键观点总结

关键观点1: 研究背景

现有的推荐模型通常利用用户的隐式反馈来预测其兴趣，然而用户的交互行为很大程度上受其复杂意图的驱动，这些意图可归类为稳定的固有意图和变化的需求意图。因此，准确的意图理解和推荐带来了挑战。

关键观点2: 方法概述

本研究提出了UDITSR模型，该模型利用搜索数据中的真实查询作为监督信息来生成需求意图，通过双重意图转换传播机制和意图转换对比学习方法，建立用户双重意图和交互商品之间的关系。该模型在搜索和推荐任务中均表现出优越性能。

关键观点3: 技术细节

UDITSR模型包括搜索监督的需求意图生成器、双重意图转换模块等部分。通过定义搜索和推荐场景，构建相应的图数据，利用搜索数据中的真实查询生成需求意图表示。然后，通过双重意图转换模块建立用户双重意图与交互商品之间的关系。

关键观点4: 实验结果

在离线实验和在线实验中，UDITSR模型均表现出优于现有方法的性能。离线实验结果显示，与现有最佳基线相比，UDITSR在搜索和推荐任务中分别获得了6.22%和3.06%的平均性能提升。在线A/B测试结果显示，部署该方法后，平均提升1.46%的GMV和0.77%的CTR指标。

关键观点5: 结论

本研究提出了一种新的统一意图感知建模方法，用于搜索和推荐任务的联合优化。该模型能够准确学习用户对推荐的隐式需求意图，并建立了用户的双重意图与其交互商品之间的关系。广泛的实验证明了其有效性。

免责声明