商品推荐系统中的效用估计

在零售商的角度，通常希望推荐系统的推荐产品能使商家的收益最大化。在以期望收益最大化为目标的产品组合优化模型中，商品效用是必不可少的参数。论文主要探究推荐系统中商品效用的估计方法，通过评估由商品效用计算得到的商品被点击概率，来验证效用估计的准确性。通过数值试验，将单值排序模型预估的点击概率与通过MNL模型估计商品效用计算的点击概率进行对比，结果证明MNL模型估计的商品效用具备与单值排序模型相当的准确率。此外，论文进一步构建了神经网络模型估计商品效用，并且另外构建了一个直接计算商品点击概率的attention选择模型作为对比。结果证明使用神经网络模型代替MNL来估计商品效用，能够更进一步提升效用预估的准确性。