摘要
本文对在电商、新闻资讯、视频等多种业务中有着非常广泛应用的相关推荐需求进行了深入的研究。基于文本匹配的相关推荐算法存在特征稀疏、冷启动、惊喜度差、多样性不足以及效果有待持续提升等问题,本文提出了一种融入语义匹配的物品相关推荐算法。该算法首先是基于搜索引擎以及BM25相关性计算进行多字段实时地文本匹配推荐,然后进一步地结合预训练语言模型BERT和ANN算法进行多字段实时地语义匹配推荐以提升推荐效果,同时引入热度指数计算以辅助推荐排序。通过线上短视频领域的推荐系统分流A/B测试的多组对比实验表明,提出的基于文本语义匹配的物品相关推荐算法在多个指标上是优于基线方法的,可以有效地提升推荐效果以及用户满意度。
出处
《电子技术与软件工程》
2022年第7期206-211,共6页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
基金
上海市科学技术委员会“科技创新行动计划”青年科技启明星计划资助项目(21QB1400100)。
