★ 2
BehaveRec 研究:长期行为历史何时提升序列推荐
论文提出三信号框架 BehaveRec,融合会话 Transformer、90 天用户历史编码器与基于行为相似度的 GraphSAGE 图模块。在 1260 万用户工业数据上 R@5 较 SASRec 提升 3.2%,并给出约 20 次交互的部署阈值。
arXiv cs.AI5 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出三信号框架 BehaveRec,融合会话 Transformer、90 天用户历史编码器与基于行为相似度的 GraphSAGE 图模块。在 1260 万用户工业数据上 R@5 较 SASRec 提升 3.2%,并给出约 20 次交互的部署阈值。
论文针对序列推荐系统缺失可解释性基准的问题,提出双模型掩码指标:一个模型给出逐步归因分数,另一个掩码鲁棒探针测量预测概率变化。作者在 CNN、Transformer、SASRec、BERT4Rec 四种骨干与 KuaiRand、MovieLens 数据集上评测十种 XAI 方法。结论是梯度类方法(…
论文提出DSRec,一种双兴趣交叉SSM模型,显式解耦物品在长期与短期语义上下文中的不同角色,解决物品多义性问题。长期兴趣用全序列Mamba建模,短期兴趣用时间调制SSM根据点击间隔动态调整状态演化,并通过残差交叉融合实现跨粒度对齐。公开基准实验显示DSRec优于现有最先进方法。