新型混合模型结合CoLES和状态空间模型进行用户交易分析

研究人员开发了一种新颖的混合方法，用于用户交易事件序列的以用户为中心的建模，该方法结合了对比表示学习（CoLES）和状态空间模型（SSMs）。该方法通过利用Mamba（一种选择性SSM）来有效处理长距离依赖关系，解决了现有编码器（如RNN和Transformer）的局限性。在公共数据集上的实验表明，与独立的SSM基线相比，混合模型在性能上持续提升，并且收敛速度快2-3倍，可解释性分析突出了选择性事件过滤和信息性交易特征的识别。 AI

影响 引入了一种更有效、更具可解释性的用户交易数据分析方法，有望改进推荐系统和个性化。

排序理由 该集群包含一篇详细介绍交易序列建模新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Age
• CoLES
• Integrated Gradients
• Mamba
• Recurrent Neural Networks
• State Space Models
• Taobao
• Transformers

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →