研究人员开发了STAR，一个用于预测推荐系统中点击后转化率（PCVR）的框架。STAR通过结合结构化特征分词和目标感知兴趣表示，解决了异构特征、用户序列和稀疏数据等挑战。该框架包含高基数信号恢复、显式用户-物品交互标记以及对比辅助目标。在挑战数据集上的实验表明，时间上下文带来了显著的收益，而对比对齐和目标感知兴趣编码也做出了贡献。 AI
影响 这项研究为提高推荐系统的准确性提供了一种新颖的方法，有望带来更个性化的用户体验和更高的转化率。
排序理由 该集群包含一篇详细介绍特定机器学习任务新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
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 →
