研究人员开发了POEM（部分排序增强建模），一个用于推荐系统实时顺序建模的新框架。该方法通过整合动态用户兴趣和上下文条件，解决了传统模型的局限性。POEM利用从多阶段排序分数（如预测的点击率和观看时长）得出的部分排序关系来构建更丰富的序列。在快手在线流量上部署POEM后，POEM显示出显著的改进，将KS单页的平均每用户观看时长提高了约0.249%，将KS Lite页的平均每用户观看时长提高了约0.213%。 AI
影响 通过更好地捕捉动态用户兴趣和针对多个排名目标进行优化，增强了实时推荐系统。
排序理由 详细介绍推荐系统新建模框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
