知识卡片
探索与利用的应用场景
探索与利用在推荐系统中有三类典型落地点。物品冷启动:算法对新物品与长尾物品有天然倾向性,帮其快速收集反馈、在较少伤害整体收益的前提下找到有潜力物品。发掘用户新兴趣:若只利用已有数据,相当于对已发掘兴趣涸泽而渔,探索能维持用户长期兴趣并抓住兴趣变化趋势。增加结果多样性:让用户感到结果丰富,并减少同质化内容扎堆带来的厌倦。这三类场景共同说明,探索与利用是对利用已有数据最大化当前收益这一模型目标的必要补充,着眼用户长期兴趣与公司长期利益。落地时要把长期价值纳入决策者的评估口径,否则短期指标会压制探索。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第5章 多角度审视推荐系统 · 查看原书依据
(1)物品冷启动。对新加入的物品或者长久没有互动信息的长尾物品来说,探索与利用算法对新物品和长尾物品有天然的倾向性,因此可以帮助这类物品快速收集用户反馈,快速度过冷启动期,并在较少伤害系统整体收益的前提下,快速找到有潜力的物品,丰富优质的物品候选集。
参考来源
- 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_007.html)
- 结论依据:原文列出物品冷启动、发掘新兴趣、增加结果多样性三类应用及其收益,并强调其着眼未来的性质。
- 原始内容:(1)物品冷启动。对新加入的物品或者长久没有互动信息的长尾物品来说,探索与利用算法对新物品和长尾物品有天然的倾向性,因此可以帮助这类物品快速收集用户反馈,快速度过冷启动期,并在较少伤害系统整体收益的前提下,快速找到有潜力的物品,丰富优质的物品候选集。