Press "Enter" to skip to content

KDD 2021 | 小红书推荐多样性解决方案:SSD在质量、多样性之间获得较好权衡

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

多样化推荐(diversified recommendation)是推荐系统中一个重要的课题。从用户视角分析,多样性可以帮助用户扩展和发现新的兴趣,但是繁多的内容则会令人厌倦。从平台视角分析,多样性可以帮助系统探索用户喜好,防止内容越推越窄的情况,同时也可以让小众和长尾的内容得到曝光,促进生态发展。

 

 

在一个大规模的推荐系统中,我们可以从三个角度来理解多样化的推荐结果,如上图所示。首先是推荐质量(quality),即推荐的结果需要匹配用户的兴趣,可能是用户历史交互过的,也可能是第二点,即多样性所考虑的,用户兴趣的扩展和发现。除此之外,我们还需要考虑公平性(fairness),无论是衡量质量还是多样性,都要兼顾小众兴趣和长尾内容。推荐质量使得我们可以对点击率、时长等行为建模,进而转换为一个分类 / 回归问题。推荐结果的多样性,一般由两两之间的相似性(similarity)得到,例如 DPP(Determinantal Point Process)。

 

本文介绍的工作,即小红书发表于 KDD21 的《Sliding Spectrum Decomposition for Diversified Recommendation》一文,将从用户体验和系统应用的视角,试图解决其中的两个问题:如何在质量和多样性之间获得一个较好的权衡(trade-off),以及如何公平地衡量相似性。

 

 

论文地址:https://arxiv.org/pdf/2107.05204.pdf

 

研究动机

 

小红书是国内最大的社交平台之一,拥有超过一亿的月度活跃用户。

 

 

小红书中的 item 展示为「笔记」的形式,上图是小红书的 Explore Feed 推荐的一个示意图。用户可以在双列中下滑浏览,同时可以点击感兴趣的笔记进入详情页查看更多内容,或者与博主进行互动。与固定列表的推荐不同,用户可以选择在 Feed 中进行持续的浏览,多样性的衡量需要考虑这种长序列的情况。另外受限于手机屏幕的大小,或者短时记忆的影响,研究者在建模多样性的同时也应该考虑「浏览窗口大小」。

 

 

从用户的视角来看,Feed 就像是他们观测到的一个一维时间序列,每个时刻为一篇笔记。在经典的时间序列分析中,如西瓜的单价,我们可以将其分解为经营成本、季节、噪声,如上图所示。类比到推荐场景,如果我们也能将笔记序列分解成几个正交的部分,或许就能得到一个较好的多样性衡量办法。

 

方法介绍

 

滑动频谱分解(Sliding Spectrum Decomposition,SSD)

 

该研究将用户观测到的 Feed 序列,转换为下图所示的 Tensor

 

 

其中序列总长度为T,用户浏览窗口大小为w,推荐的 item 序列为 ,滑动步长为 1,为笔记在向量空间中的表示。 是一个三维的张量,但是直接研究它有些困难。可以先考虑较为特殊的情况:w = T,即窗口大小等于序列总长度。此时仅需要考虑一个窗口内的笔记,那如何衡量他们的多样性呢?下图展示了一个简单的例子,可以看到,固定 的情况下,相较 可以提供更多的多样性。在二维平面情况下,面积是一个很好的度量, 围成的平行四边形面积更大,于是他们组合的多样性也就更好。扩展到更一般的情况,我们可以用体积来计算一个窗口内笔记的多样性。

 

 

回到长序列问题上,我们需要处理的问题含有多个窗口。多个窗口联合的体积是没有一个直观定义的,SSD对这种情况下的体积做了一个推广。具体而言,一个窗口内笔记的体积,可以用矩阵的奇异值乘积来表示,这里的矩阵即是 Tensor 的一行,注意到奇异值分解在 Tensor 情况下是有定义的,于是我们对 Tensor 做奇异值分解,将分解得到的奇异值 ,作为了 Tensor 的体积,即多个窗口联合的多样性。与每篇笔记的质量结合,即可得到如下的 trade-off 目标,其中 Z 是候选集合, 是一个平衡系数。

 

 

基于内容与基于协同过滤的方法(CB2CF)

 

在SSD中,该研究依赖于笔记的向量表示来衡量多样性,向量两两之间的相似性需要符合用户对于多样性的感知。有两种直观的思路来得到这些向量。一是基于内容(content-based)的方法,即构造一个基于笔记图片和文字内容的监督任务,将监督模型的中间层结果作为向量表示。二是基于协同过滤方法,即通过全体用户的交互历史,构造 CF 向量。

 

 

然而在实际应用中,单纯使用这两种方法都有一定的缺陷。基于内容的方法依赖于大量的先验知识,而基于协同过滤的方法对长尾兴趣和新内容却非常不友好。于是该研究设计了上图所示的 CB2CF (Content-based to Collaborative Filter)方法,通过内容信息预估协同过滤的结果。在输入上仅使用内容,这样即使对于新内容也能依赖模型的泛化能力得到较好的结果。在输出上依赖全体用户的协同标注,使得研究者能够在统计上学习用户感知的信号。

 

实验结果

 

在离线实验中,研究者对比了 CF 和 CB2CF 在长尾上的表现。在四个高区分度的类目下,由实验结果可得 CB2CF 有着较好的区分能力。

 

 

在线上实验中,研究者用SSD与 SOTA 的 DPP 模型做了 A/B 实验,在时长(Time)、互动(Engage)、ILAD(用户浏览笔记之间的平均距离,即曝光多样性)、MRT(用户平均阅读类目数,即消费多样性)上都取得了一定的收益。

 

 

小红书目前有超过一亿的月度活跃用户,在算法和工程上都有着很多有趣并富有挑战的问题。除了推荐多样性外,我们还在召回、排序、强化学习、图神经网络、CV、NLP 等多个方向进行着持续的探索和落地,职级、薪水 open,base 上海 / 北京,如有任何问题,请直接联系 [email protected]

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注