论文名称：Internal and Contextual Attention Network for Cold-start Multi-channel Matching in Recommendation
论文链接：https://www.aminer.cn/pub/5ef96b048806af6ef277212d/?conf=ijcai2020
推荐理由：现实世界中的综合个性化推荐系统通常要处理数以百万计的异构项目。由于巨大的计算成本，用复杂的模型进行全语料库检索极具挑战性。因此，大多数大规模的推荐系统由两个模块组成：一个是多通道匹配模块，用于高效检索一小部分候选者子集；另一个是排名模块，用于精确的个性化推荐。然而，多渠道匹配通常在添加新渠道或新数据源时存在冷启动问题。为了解决这个问题，作者提出了一种新型的内部和上下文注意力网络（ICAN），它突出了渠道特定的上下文信息和多渠道之间的特征场交互。在实验中，作者在一个真实世界的综合推荐系统上进行了案例研究的离线和在线评估。实验中显著的效果提升证实了ICAN的有效性和鲁棒性，尤其是对于冷启动通道。目前，ICAN已部署在数百万用户使用的微信头条上。代码已经开源,详细请看论文。
会议链接：https://www.aminer.cn/conf/ijcai2020
订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification
#IJCAI 2020# #AMiner#
本文同步分享在 博客“AMiner科技”（CSDN）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
