发表机构
Meta（Meta）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
提出PCap框架，在Facebook Marketplace检索阶段引入用户级多样性约束，通过熵评分分桶和自动在线优化参数，显著提升用户参与度。
AI 中文摘要
我们提出了一种个性化上限控制框架（PCap），通过在检索阶段引入用户级多样性约束来提升 Facebook Marketplace 的多样性。PCap 使用基于香农熵的评分对个体多样性偏好进行建模，将用户划分为不同的多样性桶，并在多源候选检索过程中应用个性化的类别上限。为了在高维参数空间中高效调整每个桶的上限，我们利用了一种名为参数调优序列的自动化在线优化方法。大规模在线实验表明，PCap 显著提升了用户的浏览体验，这体现在参与度指标上。这项工作为在工业检索系统中融入个性化多样性提供了实践见解。
英文摘要
We propose a personalized capping framework (PCap) to improve the diversity in Facebook Marketplace by introducing user-level diversity constraints at the retrieval stage. PCap models individual diversity preferences using Shannon entropy-based scoring, segments users into diversity buckets, and applies personalized category caps during multi-source candidate retrieval. To navigate the high-dimensional parameter space of per-bucket caps, we leverage an automated online optimization method called Parameter Tuning Sequence. Large-scale online experiments demonstrate that PCap significantly improves users' browsing experience shown in engagement metrics. This work provides practical insights into integrating personalized diversity into industrial retrieval systems.
Comments5 pages, 2 figures, 3 tables
