原标题：Interpretable User Retention Modeling in Recommendation   作者：Rui Ding, Ruobing Xie*, Xiaobo Hao, Xiaochun Yang*, Kaikai Ge, Xu Zhang, Jie Zhou, Leyu Lin（* 通讯作者）   机构：东北大学（沈阳）；微信，腾讯（北京）   会议/期刊：RecSys'23（第十七届 ACM 推荐系统大会），2023 年 9 月 18–22 日，新加坡，共 7 页   DOI/原文链接：https://doi.org/10.1145/3604915.3608818   代码/数据：https://github.com/dinry/IURO （代码已开源；工业数据集未公开，ZhihuRec 1M 为公开数据集）

【推荐的可解释】Interpretable User Retention Modeling in Recommendation论文精读

论文针对"推荐系统只优化即时 CTR、忽视用户长期留存"的问题，提出可解释留存优化框架 IURO（Interpretable User Retention-oriented Optimization）：把"用户未来几天是否回访"作为离线监督目标，用对比多实例学习（CMIL，Contrastive Multi-Instance Learning）从历史行为里挑出少数稀有但高影响的"aha items

算法研究员

人工智能

本文提出可解释留存优化框架IURO，将用户回访预测作为监督目标，通过对比多实例学习识别高影响“aha items”并实现物品级留存归因。在线A/B测试超300万用户，次日留存相对提升0.76%，未来三天提升0.65%，CTR及时长保持可比。同时结合用户调研与负反馈分析揭示留存因子，为长期参与优化提供可落地的可解释路径。

数据脱敏

强化学习

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【推荐的可解释】Interpretable User Retention Modeling in Recommendation论文精读-腾讯云开发者社区-腾讯云

【推荐的可解释】Interpretable User Retention Modeling in Recommendation论文精读

【推荐的可解释】Interpretable User Retention Modeling in Recommendation论文精读

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐