音乐推荐的语义 ID-计算机科学-机器学习-在线广播-音乐推荐系统.pdfVIP

音乐推荐的语义ID

M.JeffreyMeiFlorianHenkelSamuelE.Sandberg

jeffrey.mei@florianh@OliverBembom

SiriusXMRadioInc.Spotify

NewYork,NewYork,USANewYork,NewYork,USAAndreasF.Ehmann

first.last@

SiriusXMRadioInc.

NewYork,NewYork,USA

摘要ACMReferenceFormat:

M.JeffreyMei,FlorianHenkel,SamuelE.Sandberg,OliverBembom,

本训练推荐系统以进行下一个项目推荐通常需要为每个andAndreasF.Ehmann.2025.音乐推荐的语义ID.InProceedings

译项目学习独特的嵌入，这可能会占用模型的大部分可oftheNineteenthACMConferenceonRecommenderSystems(RecSys

训练参数。共享嵌入（如使用内容信息）可以减少内’25),September22–26,2025,Prague,CzechRepublic.ACM,NewYork,

中存中存储的不同嵌入的数量。这允许构建更轻量级的NY,USA,6pages./10.1145/3705328.3748139

1模型；相应地，由于要存储在内存中的嵌入较少，模

v

0型复杂性可以增加。我们展示了使用共享的内容特征

0

8（‘语义ID’）的好处，在提高推荐准确性与多样性的同1介绍

8时减少模型大小，并且这一方法已经在两个音乐推荐

1音乐流媒体公司通常拥有庞大的目录，包含数以千万

.数据集上得到了验证，包括一个在线A/B测试的音乐

7计的独特曲目，其中只有很小一部分实际上会被每个

0流媒体服务。

5用户收听。推荐模型对于识别和个性化为每位用户的

2

:这部分歌曲是必要的。

vCCSConcepts这些模型需要覆盖整个目录，因此对于实时使用

i

x

r•Informationsystems→Recommendersystems;可能会变得不切实际地庞大。如果在一个大小为的

a

•Computingmethodologies→Learninglatentrepre-目录中每个涵盖项目都学习一个独立的隐藏维度ℎ嵌

sentations.入，那么仅用于项目表示就需要×ℎ个参数，还不

包括模型权重。这给训练带来