建模外卖推荐中的双重时段变化偏好
摘要：外卖推荐系统旨在准确提供符合用户兴趣的商家，已经在我们的日常生活中为数十亿用户提供服务。与传统推荐不同，外卖推荐面临两个主要挑战：（1）双重交互感知的偏好建模。传统推荐通常关注用户对物品的单一偏好，而外卖推荐需要全面考虑用户对商家和食品的双重偏好。（2）时段变化偏好建模。传统推荐通常从会话级或日级的角度对用户的偏好变化进行建模。然而，在实际的外卖系统中，用户的偏好在一天的早晨、中午、晚上和深夜时段都有显著变化。为了解决这些挑战，我们提出了一种双重时段变化偏好建模（DPVP）的外卖推荐方法。具体来说，我们设计了一个双重交互感知模块，旨在基于用户与商家和食品的交互来捕捉用户的双重偏好。此外，为了建模一天中不同时段的各种偏好，我们还提出了一种基于时间的分解模块和时间感知的门控机制。大量的离线和在线实验表明，我们的模型在真实数据集上优于现有方法，并且能够建模双重时段变化的偏好。此外，我们的模型已经在美团外卖平台上线，使GMV（总交易额）平均提升0.70\%。
作者：Yuting Zhang, Yiqing Wu, Ran Le, Yongchun Zhu, Fuzhen Zhuang, Ruidong Han, Xiang Li, Wei Lin, Zhulin An, Yongjun Xu
论文ID：2306.04370
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-06-19