推荐系统(十四)重排算法

核心思想

当精排吐出的推荐结果中top资源与用户的历史行为很类似时,会出现多样性较差的问题,因而需要添加额外的算法在重排阶段环节这种现象。MMR通过消除Bias的方法对推荐结果进行重排,从而达到资源多样化的效果。

MMR模型结构

MMR算法的全名叫最大边缘相关算法,最一开始该算法是用在搜索领域解决搜索结果多样性问题。公式如下所示,其中 Q Q Q代表query, C C C代表所有文档集合, R R R代表已经选择了的候选集合。

M M R ( Q , C , R ) = a r g m a x d i ∈ C [ λ s i m ( Q , d i ) − ( 1 − λ ) m a x d j ∈ R s i m ( d i , d j ) ] MMR(Q,C,R)=argmax_{d_i \in C} \left [ \lambda sim(Q, d_i)-(1-\lambda)max_{d_j \in R}sim(d_i,d_j) \right ] MMR(Q,C,R)=argmaxdiC[λsim(Q,di)(1λ)maxdjRsim(di,dj)]

可以看出,该公式体现的含义在于只去计算 Q Q Q C C C中所有文档的距离还不够,必须要保证 Q Q Q与当前选择的集合 R R R足够远才行,公式的体现为 Q Q Q d i d_i di的距离减去 d i d_i di R R R中距离 d i d_i di最远的 d j d_j dj之间的距离才是 Q Q Q d i d_i di之间真正的score。

在推荐系统中上面的 Q Q Q代表的是user的信息表达, C C C代表的是精排露出的资源池, R R R代表的是重排已经选择的资源,通过该公式就能够选择出一批多样性较好的资源。

你可能感兴趣的:(推荐系统,深度学习)