一个名为HERO的新框架已被开发出来，用于改进生成式推荐系统，解决了流行度偏差问题。该框架利用异构教师蒸馏，采用两个专门针对热门和冷门商品的教师，并将训练样本路由到相应的教师。此外，它还结合了考虑多样性的商品推出策略，以确保在训练中也考虑不太受欢迎的商品。HERO在离线实验中显示了有效性，并在1688主页上部署后，在为期15天的A/B测试中，商品交易总额（GMV）增加了3.412%。 AI
影响 该框架可能带来更个性化、更多样化的推荐，从而提高用户参与度和电子商务平台的销售额。
排序理由 该集群描述了一篇关于生成式推荐系统新颖框架的最新研究论文。[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 →
