Recommender Systems with Generative Retrieval

提出一种新的生成式检索模型范式TIGER，通过自动生成语义ID来实现单阶段推荐系统，取得了比当前最佳模型更好的结果，能更好地推荐新领域的物品。

Shashank Rajput, Nikhil Mehta, Anima Singh, Raghunandan H. Keshavan, Trung Vu, Lukasz Heldt, Lichan Hong, Yi Tay, Vinh Q. Tran, Jonah Samost, Maciej Kula, Ed H. Chi, Maheswaran Sathiamoorthy

[Google & University of Wisconsin-Madison]

论文地址：https://arxiv.org/abs/2305.05065  

基于生成式检索的推荐系统

要点:

  • 动机：为了提高推荐系统的效果，同时解决索引的效率问题。
  • 方法：使用新的语义ID生成方法，用一种层次化量化器(RQ-VAE)来生成语义ID，训练一个基于Transformer的序列到序列模型来预测下一项目的语义ID，实现单阶段推荐系统。
  • 优势：与当前最佳模型相比，TIGER模型能够在Amazon数据集上取得更好的结果，并能更好地推荐新领域的物品。

图片

 

 

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