BriefGPT - AI 论文速递
·
冷热净：解决推荐系统中的冷启动用户问题
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于专家模型的冷启动与热身网络，通过门控网络整合两个专家的结果，并引入动态知识蒸馏作为教师选择器，以帮助专家更好地学习用户表示。该模型在公共数据集上表现优异，对于所有用户类型都胜过其他模型，并在一个工业级短视频平台上实现了显著的增加。
🎯
关键要点
- 提出了一种基于专家模型的冷启动与热身网络。
- 专家模型分别负责冷启动和热身用户建模。
- 使用门控网络整合两个专家的结果。
- 引入动态知识蒸馏作为教师选择器，帮助专家学习用户表示。
- 通过综合的互信息选择与用户行为相关的特征，显式建模用户行为偏差。
- 在公共数据集上评估模型，表现优异，胜过其他模型。
- 模型在工业级短视频平台上应用，显著增加停留时间和用户留存率。
➡️
