研究人员开发了一个名为SemRaD的新框架，以改进电商平台新用户的预测，解决了交互数据稀疏的挑战。SemRaD利用结构化语义推理管道为每个用户创建稠密的语义档案，并为训练创建事后蒸馏目标。该方法旨在克服先前方法的局限性，例如嘈杂的LLM生成的理由和蒸馏中脆弱的知识转移。在Keeta的大规模测试和A/B试验中，SemRaD在预测用户生命周期价值和转化率方面取得了显著改进。 AI
影响 该框架可以通过改进对新用户的预测来增强电商平台的个性化和转化率。
排序理由 这是一篇详细介绍新框架及其实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
