一个推荐系统，大致就分为两个模块，召回和排序。再细分下去就是召回，粗排，精排，重排。不管推荐系统多么复杂，无非是为了两个目标，推荐的准确，且多样化。为了实现多样化，往往是在排序中对同质的item做了指纹去重处理。但是如果召回侧多样性不足，排序无论怎么优化都不能达到最优，所以这篇《Improving Accuracy and Diversity in Matching of Recommendation with Diversified Preference Network》就来探讨如何在召回侧，用一个端到端模型GraphDR实现多样化的召回。

模型结构

GraphDR包含3个模块，如下图所示，包含多样偏好网络(Diversified Preference Network)，网络表示学习(Network representation learning)和在线多通道匹配(online multi-channel matching)。

Diversified Preference Network

多样偏好网络是实现多样性召回的基础，本文通过用户多种多样的交互行为对用户偏好进行建模，训练数据包含多种类型：视频，Tag，媒体，用户和文本。视频包含文本(Title)，视频提供者是媒体，每个视频又有很多Tag，这些特征对最后的推荐效果有着重要的影响。为了缓解数据稀疏的影响，用户的基础特征也要用进来。可以按年龄，性别，地域等特征对用户进行聚类，形成用户组。在GraphDR模型中，有6种类型的边。

• Video-Video边:如果一个用户先后看完了两个video(看完指的是看视频的时间超过视频本身时间的70%)，这两个video之间就存在一条边，这些边反映了用户直接的观看习惯。
• Video-User边:如果一个用户组在一周内看一个视频超过3次，那么该视频和用户组就存在一条边，这种粗粒度的边反应了社群特征。
• Video-Tag边:该边反应了视频粗粒度的语义特征。
• Video-Word边:该边反应了视频细粒度的语义特征。
• Video-Media边:该边刻画了视频提供者特征。
• Tag-Tag边:如果两个Tag同时出现在一个视频上，则这两个Tag存在一条边，反应了Tag之间的联系。

所有边都是无向无权的，相比较直接用用户，item进行建模，这些多样性的边给模型带来了更多信息，值得注意的是，在这种模型框架下，我们很容易增加更多类型的node和边来丰富多样性。

表示学习网络

不同类型的节点如何表示呢？首先把所有不同类型的节点映射到一个特征空间，对第K个节点而言，它的所有邻居节点Nk可以被分类为5种类型，视频(v)、tag(t)、媒体(m)、用户(u)、文本(d)，直接分别embedding后concat就是该节点的embedding。

图中Field-level HGAT就是把第K个节点的所有邻居节点通过上述方式embeding后(f1~fk)作为输入，该文还提出了权重向量组下式:

为的是从中f1~fk提取5种类型的特征。如生成视频特征的embedding如下式所示：

然后把5种特征embeding concat后做非线性映射:

同时还要带上中心节点的特征:

最后把所有特征融合:

训练目标和deep walk类似，用的neighbor-similarity based loss，如下公式所示:

在线模块

在线模块使用一个多通道打分召回策略，综合考虑被通道召回情况，时间因素，相似度各种因素，用每一个看过的有效视频的embedding，用cos相似度召回100个视频，m表示通过m个有效观看视频，一共召回了100 * m个视频，然后通过下面公式计算分数。

首先是视频通道打分：

在tag和media通道，通过下式计算:

最后融合所有通道分数，给出最后打分，在100 * m个video中，选top 500的video。

实验

准确率:

多样性:

参考文献

一个模型使召回阶段又"准确"又"多样"