跳转至

SCALR：把跨域行为翻译成推荐训练数据

Fidelity: 核心机制复现。本地从重叠用户估计跨域 item translation distribution，真实生成随机采样与 deterministic top-k 两套 synthetic events，再用相同下游协议比较。

论文信息

项目 内容
论文链接 arXiv 2606.00282
公司/机构 Meta
首次公开日期 2026-05-29（arXiv v1）
原文开源代码 否：论文与 arXiv 页面未提供官方/作者实现（核查日期：2026-09-01）
Adapter scalr
本地复现代码 src/auto_research/reproductions/scalr/

原始论文总结

背景与主要改动

目标域 conversion 极稀疏，而同一用户在其他产品 surface 上有丰富行为。传统 cross-domain recommendation 把迁移逻辑耦合进模型参数；SCALR 先把 source event 翻译成目标域格式的 synthetic user-item event，再让任何下游模型像读取普通目标域数据一样训练。随机采样保留概率分布和 catalog 多样性，避免 top-k 反复生成少数头部 item。

flowchart LR
  S["source-domain events"] --> C["overlapping-user co-occurrence"]
  T["sparse target events"] --> C
  C --> P["P(target item | source event)"]
  P --> G["probabilistic sampling"]
  G --> D["synthetic target events"]
  T --> L["weighted downstream learning"]
  D --> L

原论文关键图

SCALR：把跨域行为翻译成推荐训练数据 原论文 Figure 3

原论文 Figure 3（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

对 source item \(j\) 与 target item \(i\)，重叠用户给出频率估计：

\[ \hat P(i\mid j)=\frac{\sum_{u\in U_{overlap}}\mathbf 1[(u,j)\in D_S]\mathbf 1[(u,i)\in D_T]}{\sum_{u\in U_{overlap}}\mathbf 1[(u,j)\in D_S]}. \]

每个 source event 不取单一 argmax，而是执行 \(i_k\sim\hat P(\cdot\mid u,j)\)，再将 \((u,i_k,w_k)\) 加入目标域训练集。

论文离线与线上效果

  • 线上实验在 live traffic 上运行多周，主要模型 CVR 持续提升约 0.14%～0.24%，论文说明结果具有统计显著性。
  • 论文消融指出概率采样优于 deterministic top-k；synthetic 数量需要饱和控制，且分布对齐会影响下游效果。

本地复现

本地对照口径：基线为相同 source events、相同每事件生成预算的 deterministic top-k translation，实验组改为 SCALR 概率采样；seed 42 的 NDCG@10 相对 -10.25%，但生成 catalog coverage 从 2.5% 提升到 100%。

MovieLens genre 作为互斥 source/target 子域代理。小数据上概率采样扩大覆盖、降低 head share，却没有重现私有 conversion 场景的排序 lift；该负结果保留在三 seed 产物中：

auto-research reproduce --paper scalr --dataset-dir data --seed 42

复现边界

本地 genre 不是 Meta 的跨产品 surface，也没有 conversion label、隐私管线或多源生产生成服务。结果只验证概率翻译、随机生成和分布覆盖机制，不能外推论文线上 CVR。