假设驱动的货架生成用于个性化推荐

现代推荐界面将内容组织到架子中：主题行，例如“更多您喜欢的内容”或“为您推荐的新版本”。在生产系统中，这些货架通常是通过手工制作的模板与专用检索逻辑相结合来定义的。虽然对于广泛的推荐意图有效，但这种方法无法扩展到个人品味的长尾。我们为 Spotify Home 提出了一个内容假设驱动的货架生成系统，该系统用描述个性化货架应包含内容的自然语言假设取代了固定模板。该系统具有假设生成、目录履行、货架对齐和离线服务四个阶段。这种分解将货架规划与目录履行分离，支持规划和检索的独立优化，并支持对目录实体和前沿 LLM 行为的 蒸馏 进行约束生成检索到紧凑模型中。我们的生产流程结合了假设生成、生成检索、候选选择和货架对齐、离线 LLM 法官评估以及预计算服务。我们描述了端到端架构，并通过离线分析和 Spotify Home 上均匀随机曝光下的早期在线评估对其进行评估。结果表明，假设驱动的货架大大扩展了个性化推荐的供应，其参与度因内容类型而异，并且在某些情况下与强大的现有货架具有竞争力。