Carbonell J. and Goldstein. The use of MMR, diversity-based reranking for reordering documents and producing summaries. In International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR), 1998.
概
本文提出了一种 reordering 的准则, 用于提高候选 items 的多样性.
符号说明
- R, 推荐的 items;
- S, 已经被选择的 items;
- Q, 当前的 query;
- Sim(⋅), 相似度;
MMR
-
一般来说, 推荐的 items R 往往前列的 items 在不加干预的情况下是极度相似的, 这容易导致整体的多样性回比较差.
-
通过 MMR 可以找到那个即和 query Q 高度相关又和先前已经推荐过的 items 不那么相似的物品:
MMR:=argmaxDi∈R∖S[λ⋅Sim1(Di,Q)−(1−λ)⋅maxDj∈SSim2(Di,Dj)].
注: 原文在这个地方似乎有点问题.
-
当 λ=1 的时候, 就是完全依赖相关度推荐, 而当 λ=0 的时候, 则是推荐和之前推荐物品最不相似的物品. 当 λ∈(0,1) 的时候, 则是二者的平衡.
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律