摘要:近期,小红书引入了新的内容推荐算法NoteLLM和SSD,这两个算法有效助力用户个性化喜好定制和多样化信息流推荐。下面将深入探讨这两个算法的原理和应用。
近期,小红书引入了新的内容推荐算法NoteLLM和SSD,这两个算法有效助力用户个性化喜好定制和多样化信息流推荐。下面将深入探讨这两个算法的原理和应用。
NoteLLM算法旨在提升小红书用户体验,特别是在笔记推荐方面。研究者通过使用NoteLLM解决了I2I笔记推荐任务,取得了显著的推荐性能提升。该算法结合了笔记压缩提示构建、生成对比学习和协作监督微调三个关键部分,通过压缩提示词和对比学习挖掘相关笔记的嵌入关系,从而提高了推荐质量和用户体验。
另一方面,SSD算法通过滑动频谱分解方法解决小红书中的多样化信息流推荐问题。该算法将用户当前浏览窗口与整个内容序列结合,并利用奇异值分解和贪心算法实现推荐内容的多样性。在在线实验中,SSD算法相较于传统的推荐算法表现更出色,提高了用户驻留时间、互动次数等指标,有效提升了推荐多样性。
此外,CB2CF策略为计算嵌入向量带来了新的思路。算法利用预训练的BERT模型和Inception-V3模型提取文本和图像特征,通过全连接层融合特征,进一步优化了目标嵌入向量的计算方法。该策略在避免长尾效应的同时,提供个性化的推荐结果,为用户提供更加精准的推荐服务。
综合来看,小红书通过引入NoteLLM和SSD算法,成功提升了内容推荐算法的精准度和多样性,进一步提升了用户体验和平台吸引力。未来,随着算法的不断迭代与优化,小红书相信将在内容推荐领域取得更加显著的成就。
来源:数码鲸
免责声明:本站系转载,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本站联系,我们将在第一时间删除内容!