研究人员开发了一个名为分层GTV估计（HGE）的新框架，以应对使用基于容器的展示范式的电子商务平台中估计总交易价值（GTV）的挑战。该框架通过采用混合集感知编码器（HSAE）来建模商品构成和特征交互，解决了高标签方差、标签稀疏性和动态商品异质性等问题。HGE还采用代理标签学习（PLL）策略来分解GTV，并使用残差校正和集成融合（RCEF）模块来结合商品级和容器级推理。该系统已部署，并在在线A/B测试中显示出显著的改进，使每搜索收入（RPS）提高了1.42%。 AI
影响 这项研究为改进电子商务中的交易价值估计提供了一种新颖的方法，可能会影响在线平台优化销售和用户体验的方式。
排序理由 学术论文，详细介绍了新框架及其实验结果。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Gross Transaction Value
- Hierarchical GTV Estimation
- Hugging Face
- Hybrid Set-Aware Encoder
- Proxy-Label Learning
- Residual Correction and Ensemble Fusion
- Revenue Per Search
- XAUC
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
