MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection 走讀

摘要 推薦系統經常面對包含高度個性化的用戶歷史數據的異構數據集，在這些數據集中，沒有哪個模型可以爲每個用戶提供最佳建議。我們在公共和私有數據集上都觀察到了這種普遍存在的現象，並在追求優化每個用戶的推薦質量的過程中解決了模型選擇問題。我們提出了一個元學習框架，以促進推薦系統中對用戶類型的自適應模型選擇。在此框架中，將使用來自所有用戶的數據來訓練推薦系統集合，然後通過元學習對模型選擇器進行訓練，以使用

>>阅读原文<<