论文标题：

Learning Graph Meta Embeddings for Cold-Start Ads in Click-Through Rate Prediction

论文链接：

https://arxiv.org/pdf/2105.08909.pdf

收录：SIGIR 2021

对于训练好的推荐模型，当遇到冷启动的商品时，由于缺乏充分的数据，无法学习到好的embedding，从而会导致性能下降。本文提出Graph Meta Embedding (GME) 方法，利用图神经网络和元学习快速学习生成冷启动商品的初始id embedding。GME一方面考虑商品自身的属性信息，另一方面考虑旧商品和冷启动商品之间的关系。 

GME主要包含两个部分：EG（embedding generator）和GAT。EG用于生成id embedding，GAT用于蒸馏信息。从不同的角度分别提出了GME-P，GME-G，GME-A，GME-A效果最好。

内容中包含的图片若涉及版权问题，请及时与我们联系删除