研究人员开发了STAR，一个用于在推荐系统中预测点击后转化率（PCVR）的框架。STAR解决了异构特征、用户序列和目标项感知方面的挑战。该框架将结构化特征令牌化与目标感知兴趣表示相结合，并基于HyFormer风格的骨干网络构建。关键组件包括显式用户-项交互令牌、目标感知序列解码以及受InfoNCE启发的对比辅助目标。在KDD Cup 2026 Tencent UniRec挑战数据集上的实验表明，在排序AUC方面有了显著改进，其中时间上下文被证明是最有影响力的元素。 AI
影响 这项研究可能带来更有效的推荐系统，从而改善电子商务和内容平台的用户体验和转化率。
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 →
