研究人员开发了 ChronicleRec，一个用于预训练和迁移用户行为模型的新颖框架。该方法将超长历史行为序列压缩成按时间顺序排列的“Chronicle Tokens”，保留近期行为并简化远期历史。该框架使用因果编码器和多视界设计来学习互补的长期兴趣，并从旧历史中重建近期行为。在 KuaiRand 和 Tencent AdLive 数据集上的实验表明，ChronicleRec 的性能优于现有基线，并且为期七天的在线 A/B 测试证实了显著的生产收益。 AI
影响 通过有效建模长期用户行为而不产生高昂的计算成本，提高了推荐系统的效率。
排序理由 这是一篇详细介绍推荐系统中用户建模新方法的学术论文。[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 →
