研究人员开发了RetrievalFormer，一个双编码器Transformer模型，用于高效的近似最近邻检索和冷门商品推荐。该模型解决了在不重新训练的情况下将新商品纳入搜索和推荐索引的挑战，这是ID-softmax推荐器普遍存在的问题。RetrievalFormer仅根据特征对新商品进行评分，从而保持开放索引，并在MovieLens-1M和MIND等数据集上取得了有竞争力的性能，尤其是在冷启动场景下。 AI
影响 为处理推荐系统中的冷启动商品引入了一种新颖的方法，有望改善用户体验和索引效率。
排序理由 研究论文，详细介绍了新的模型架构及其在推荐和检索任务上的性能。
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:2608.24079v1 Announce Type: cross Abstract: A shared search-and-recommendation index must score new items from features alone because search has no exploration slot. In a public log covering both surfaces over one catalog, $38.6\%$ of held-out query-search impressions show …
A shared search-and-recommendation index must score new items from features alone because search has no exploration slot. In a public log covering both surfaces over one catalog, $38.6\%$ of held-out query-search impressions show an item never previously shown or visited. For use…