总结
美团为了提升首页推荐系统的个性化能力，实施了全域用户建模的策略，通过整合多渠道用户交互数据，旨在应对用户行为稀疏和偏倚所带来的挑战。该策略涉及引入多源数据信号，以改善推荐效果，降低负迁移风险。全域建模经过多阶段的探索与验证，最终在产品效果和用户体验方面取得了显著进展。
摘要
- 产品背景与特点：美团首页推荐系统涉及多种业务，具有即时性和长期性需求，使得用户行为的建模复杂化。
- 全域用户建模的必要性：该方法通过整合不同平台和领域的数据，帮助更全面地理解用户兴趣和行为，提高推荐的准确性。
- 挑战与解决方案：面临的负迁移问题以及展位间、业务间的差异，促使开发显式兴趣迁移框架，以优化兴趣迁移过程，提升模型性能。
- 实施效果：经过多轮的技术迭代和算法优化，这一策略在实际应用中取得了显著业务收益。
观点
- 全域用户建模有助于扩展用户理解和个性化服务。
- 必须关注不同展位之间的数据分布差异以避免负迁移。
- 不同服务之间的特性差异显著，导致可迁移性问题。
- 时空场景对于推荐系统至关重要，必须差异化迁移适合的兴趣信号。
- 构建显式兴趣迁移框架，能有效提升推荐系统性能，减少负迁移风险。
- 后续需逐步引入外域点击信号以丰富模型输入，但要警惕噪声与负迁移问题。
- 未来将探索与生成式推荐结合的新型推荐方法。