English(EN) UGR: Unified Generative Ranking for Heterogeneous E-commerce Recommendation

新的UGR模型通过生成直接排序列表来增强电子商务推荐

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-29 06:05

研究人员开发了统一生成式排序（UGR），一种用于电子商务推荐系统的新颖方法，该方法直接从全面的异构候选集生成排序列表。UGR通过对候选交互和序列依赖进行建模，解决了在不同业务和广告类型之间平衡用户效用和商业价值的挑战。该系统结合了互补反馈监督和广告去偏塔，以提高排序质量，并在淘宝“猜你喜欢”服务的在线A/B测试中，在核心IPV、交易量和GMV等关键指标上显示出显著的改进。 AI

影响引入了一种新的生成式排序方法，可以提高电子商务平台的个性化和商业价值。

排序理由详细介绍电子商务推荐系统新模型的学术论文。[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 →

本文如何被排名

Signal score: 2 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍电子商务推荐系统新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Huiping Chu · 2026-10-29 06:05

UGR：异构电商推荐的统一生成式排序

List-wise ranking in e-commerce recommendation must balance user utility and commercial value across organic content, ads, and candidates from other businesses, while modeling candidate interactions and sequential dependencies. Existing generative ranking methods typically learn …

本文如何被排名

报道来源 [1]

UGR：异构电商推荐的统一生成式排序

相关实体

相关话题