研究人员推出了一种名为解耦时序编码（DTE）的新型框架，旨在增强生成式推荐模型。该方法旨在更好地捕捉用户行为中存在的复杂时序动态，这些动态超越了简单的物品顺序。DTE通过将时序信息分离到两个模块中来实现：一个用于宏观时序模式的宏观时序模块，以及一个用于密集交互时期的微观序列模块。该框架以其参数效率和易于集成到现有推荐系统中的特点而著称。 AI
影响 该框架可以通过更好地建模用户时序行为来提高个性化推荐的准确性和相关性。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一种用于推荐系统的新技术框架。[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 2 个来源。 我们如何撰写摘要 →
arXiv:2608.16274v1 Announce Type: cross Abstract: Positional encoding is a fundamental component of Transformer-based generative recommendation models, where user histories are modeled as autoregressive item sequences. Most positional encoding methods are inherited from natural l…
Positional encoding is a fundamental component of Transformer-based generative recommendation models, where user histories are modeled as autoregressive item sequences. Most positional encoding methods are inherited from natural language processing and mainly represent discrete i…