新的GateDiffInt模型增强了工业排名中的用户行为建模

一篇新的研究论文介绍GateDiffInt，一个旨在改进工业排名系统中用户行为建模的框架。该模型通过引入噪声-意图耦合（NIC）的概念，解决了行为序列中用户意图解耦的挑战。GateDiffInt采用可控扩散过程来去噪和增强行为序列，然后将大语言模型中的四种结构化意图蒸馏到一个更轻量级的学生模型中。该框架在大规模在线A/B测试中显示出商品交易总额（GMV）的显著提升，并已部署用于生产。 AI

影响 该模型通过更好地理解用户意图，可以提高推荐和排名系统的有效性，从而为电子商务平台带来更高的转化率和收入。

排序理由 详细介绍新模型及其实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• GateDiffInt
• Gotit.pub
• Hugging Face
• Noise--Intent Coupling
• ScienceCast

• 论文
• 产品
• 基础设施

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