在推荐中使用停留时间重新加权点击
摘要：考虑用户对物品的实际满意度时，简单地将每次点击视为平等可能会导致点击诱导和标题内容不匹配，并且无法准确捕捉用户对物品的真正满意度。滞留时间可以被视为对每次点击的高质量定量指标，然而现有的推荐模型没有充分探索滞留时间的建模。在这项工作中，我们重点研究了重新权重点击和滞留时间的推荐。具体而言，我们首先定义了一个称为有效阅读的新行为，通过滞留时间帮助选择不同用户和物品的高质量点击实例。接下来，我们提出了一个归一化的滞留时间函数，用于在推荐的训练中重新权重点击信号。点击重新权重模型在现实世界系统的离线和在线评估中取得了显著的改进。
作者：Ruobing Xie, Lin Ma, Shaoliang Zhang, Feng Xia, Leyu Lin
论文ID：2209.09000
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-01