سامانهٔ URED کشف دسته‌های تازه در فید Taobao را ۳٫۴۷ درصد افزایش داد

پژوهشگران Alibaba می‌گویند سامانهٔ URED را بیش از شش ماه در بخش بازیابیِ پیشنهادهای فید Taobao به کار گرفته‌اند؛ سامانه‌ای که روزانه به ده‌ها میلیون کاربر فعال خدمت می‌دهد. نتایج آزمون‌های A/B آنلاین نشان می‌دهد URED کشف دسته‌های محتوایی تازه را ۳٫۴۷ درصد و غنای محتوا را ۸٫۴۷ درصد افزایش داده، درحالی‌که شاخص‌های تعامل حفظ شده‌اند. بازدید کامل ویدئوها ۲٫۶۲ درصد افزایش یافته و بازدید کل ۰٫۳۶ درصد رشد کرده است؛ اما رشد بازدید کل از نظر آماری معنادار نبوده است.

ایدهٔ URED استفاده از نامزدهایی است که سامانهٔ توصیه‌گر امتیاز بالایی به آن‌ها داده، اما هیچ‌وقت به کاربر نمایش داده نشده‌اند. پژوهشگران می‌گویند تقویت سادهٔ محتوای کم‌کاوش‌شده ممکن است نتیجهٔ معکوس بدهد، چون رتبه‌بندها به نامزدهای سرد و کم‌اطلاعات بیش‌ازحد امتیاز می‌دهند؛ این کار می‌تواند تعامل را به خطر بیندازد، بی‌آنکه کشف محتوای تازه را افزایش دهد. در مقابل، نامزدهای امتیازبالا و نمایش‌نداده‌شده هم مرتبط‌اند و هم پیش‌بینی‌پذیر.

URED این نامزدها را در یک بازهٔ ۳۰روزه گردآوری و هنگام بازیابی دوباره وارد جریان پیشنهاد می‌کند. خط لولهٔ سامانه از ذخیره‌سازی آفلاین، تجمیع توزیع‌شده و ارائهٔ آنلاین کم‌تأخیر تشکیل شده و برای هر درخواست تنها یک جست‌وجوی O(1) انجام می‌دهد؛ طبق مقاله، تأخیر را کمتر از یک درصد افزایش می‌دهد و به بازآموزی مدل نیاز ندارد.

در مقایسه با میانگین پلتفرم، نرخ کشف URED در کانال‌های مختلف بازیابی ۱۳٫۹ برابر بیشتر بوده و نسبت به قوی‌ترین خط مبنای nearline به ۶٫۳ برابر رسیده است؛ کیفیت تعامل آن نیز هم‌سطح میانگین پلتفرم گزارش شده است. آزمون‌های حذف مؤلفه نشان دادند هر دو بخش طراحی اهمیت دارند: با کوتاه‌شدن پنجره به یک روز، افزایش کشف به ۰٫۵۵ درصد رسید و معنادار نبود؛ تزریق تصادفیِ نامزدها بدون فیلتر امتیاز هم بهبودی ایجاد نکرد و با افت ۰٫۱۷درصدی تعامل همراه شد.

این مقاله پیش‌چاپی در arXiv است و نتایج آن بر اساس استقرار و آزمون‌های گزارش‌شده در Taobao ارائه شده است.