研究人员开发了SAGA，一种新颖的生成动作嵌入模型，旨在编码金融服务生态系统内的多表面用户交互序列。该模型将动作事件分解为字段级标记，与以前的单标记方法相比，能够实现更细致的注意力和训练目标。SAGA集成到下游推荐任务中，在各种接触点的点击率和转化率方面均显示出显著的改进。 AI
影响 通过更好地理解用户跨多个平台的行为，增强了金融服务的推荐系统。
排序理由 该集群描述了一篇详细介绍用于动作序列编码的新模型的学术论文。
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 →
完整方法见我们的编辑标准。
arXiv:2608.15429v1 Announce Type: new Abstract: Prior embedding models for sequential recommendation typically operate within a homogeneous action space, limiting their ability to capture cross-surface behavioral signals spanning distinct behavioral domains. We present SAGA, a ge…
Prior embedding models for sequential recommendation typically operate within a homogeneous action space, limiting their ability to capture cross-surface behavioral signals spanning distinct behavioral domains. We present SAGA, a generative action embedding model that encodes mul…