论文：Personalized Approximate Pareto-Efficient Recommendation
会议：ACM WWW '21: Proceedings of the Web Conference 2021 April 2021
视频：https://www.youtube.com/watch?v=RUYZXkQjjKc

Movation

• 推荐系统的调优往往有多个目标，而且这些目标往往都是矛盾的，冲突的

• 同时优化这些目标变得非常有挑战性

  
  

Pareto effciency

• 帕累托最优：是最好的状态，所有的目标都达到最优了，没有一个目标能在不牺牲其他目标的情况下继续提升了
• dominate：如图 A dominate C ，且 Bdominate C
• 如果没有其他任何点可以dominate A了，那么称A 达到了帕累托最优

Limitation of existing Pareto methods

• 在现实的MOR系统中（多目标推荐），个性化通常是item级别的。比如使用共享的多目标权重来应用到所有的用户和物品中

  
  
• 但本文期望把一些个性化特征的优化带到 objective 级别

实现

提出PAPERec框架

• 提出了一种新型的框架 Personalized Approximate Pareto-Effcient Recommendation。

• 不同的用户可能会更关注不同的目标

  
  
• 用户可以有个性化的 多目标权重
• 构建了两个 single-objective models 针对两个目标做预估（CTR点击率和Dell Time用户时长）
• 提出了一种 Pareto-oriented reinforcement learning modules，来学习个性化的目标权重，RL模型的reward主要是用于优化到帕累托最优

• 用MGDA （Multiple gradient descent algorithm）证明收敛，满足KTT条件。如果一个Pareto-oriented RL满足Pareto effcient，也能满足Pareto stationarity，如果能够优化到梯度等于0或者达到最小值，也就找到了帕累托最优点

  
  

• 建模
  （1）State：第t个状态代表，在已经推荐了t-1个项目之后，需要推荐第t个项目的状态，会考虑上下文信息
  （2）Action：给出一系列objective weights，在推荐列表的第t个位置
  （3）Reward：所有objective的梯度的权重和 的 L2-norm

  
  

• 模型架构
  输入：用户信息、可能的行为、上下文、历史的目标权重
  输出：目前的目标权重
  算法：DDPG

左侧图像使用神经网络 objective model来预估目标值
个性化的目标权重训练，使用可扩展的方式训练

Experiment

• dataset：真实世界集成的推荐数据集，从微信看一看里获取的，大概1.5B
• 在离线和在线环境都做了实验，回答3个研究问题
  （1）提出的PAPERec算法怎么打败SOTA算法
  （2）PAPERec在线上系统中如何运作，处理多样的多目标和衡量指标？
  （3）个性化的目标权重学到了什么，能反映什么，是否合理？

实验显示新算法有明显提升

也做了在线的ABTest

做了一些分析，视频会有更高的DT权重

Contributions

• 提出了一种新颖的PAPERec框架，应该是第一个提出在objective级别做个性化调优至帕累托前沿的推荐系统
• 设计了一个新型的Pareto-oriented RL模块，来学习个性化的目标权重，可以通过直接最小化多目标梯度的L2-norm来达到 Pareto stationarity
• 做了充分的离线和在线评估实验，来验证objective-level的个性化的重要行，和PAPERec算法在多目标推荐系统中的有效性。并且已经应用于微信看一看产品，影响了millions的用户