东莞网移动版

主页 > 互联网 >

研究你为啥看着淘宝想剁手,阿里达摩院论文登上NeurIPS 2019

你为什么抑制不住想剁手?

编者按:本文来自微信公众号“量子位”(ID:QbitAI),作者:乾明,36氪经授权发布。

打开淘宝后,你为什么抑制不住想剁手?阿里巴巴也想寻找答案。

其中的一篇论文,也登上AI顶级会议NeurIPS。

NeurIPS 2019在温哥华召开期间,论文作者之一,阿里巴巴达摩院资深算法专家杨红霞也对其进行了深入解读。

研究你为啥看着淘宝想剁手,阿里达摩院论文登上NeurIPS 2019

你为啥想剁手,AI能理解吗?

阿里的这篇论文,名为Learning Disentangled Representations for Recommendation。

其研究的是方向就是人和商品匹配的过程中,人的认知因素。即:

人为什么喜欢一件商品,他是对哪些概念动了心,种了草,他是因为什么原因点了击、收了藏、下了单,他当下关注点在哪个认知层面的东西,推荐系统能显式的知道、消化并且准确响应吗?

达摩院科学家们认为,这些所谓的认知因素,并不是商品固有的细粒度的属性、品类,而是一种从人的角度理解商品的可传播可解释的概念。它们更像是广告商会选择去打动人心的记忆点。

推荐系统与搜索场景一个不同之处在于,它是否能主动激发用户潜在的兴趣,帮助用户找到并接受意料之外的商品。

因此,如何挖掘潜在的认知概念,并以合理的方式,将潜在可接受的认知概念传递给用户,可能是推荐系统需要有所突破的事情。

当然,关注这样的认知过程并不是为了端到端的做“下一个商品”的预测,或者点击率预估亦或者是评分预估。

至少前人在大规模数据的线上经验能表明,产品形态不变的可解释推荐,相比于黑盒模型并不能真正提高最终的点击和转化效果。

因此相比于可解释推荐,认知推荐更强调人的因素,其归宿必然是技术驱动产品形态上的创新。而新的产品形态则可以创造新的需求、用户习惯和新的商业场景。

怎么用AI让你多剁手

基于这样的背景,阿里巴巴决定关注两个和认知相关的子任务:

首先,商品在人的认知空间中是如何表征的,这样的表征是否具有可解释性,比如是否能找到的对应的某一维就能够代表一个独立的“语义”。

这里的语义,其所具有的可解释性其实是本质是一个与认知和传播相关的概念,即是能被人们理解和传播的。

类似的,人在这个空间下的表征,是否也具有这样的语义?

联系解离化表征(Disentangled Representation Learning)在连续型数据上的发展,阿里想要探索是否能从离散数据,特别是用户行为数据上学习到类似的结果。

其次,基于这样的表征,能否提出新型的推荐应用,并至少给出一种原型方案。 (责任编辑:东莞网)

友情链接