English(EN) From Head to Tail: Asymmetric Knowledge Transfer in Long-tail Recommendation with Generative Semantic IDs

新框架AKT-Rec利用LLM生成的ID改进电子商务推荐

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-22 07:29

研究人员开发了一个名为AKT-Rec的新框架，以解决长尾推荐系统中的挑战，特别是那些在电子商务平台中存在显著数据不平衡的系统。该框架利用多模态大语言模型（MLLMs）生成语义ID，将内容特征与协同过滤信号对齐。AKT-Rec包含一个不对称对比目标和一个活动感知门控机制，以促进从头部到尾部物品的知识迁移，改进表示学习。在大型工业数据集上的实验以及随后在阿里巴巴天猫平台上的在线A/B测试，在AUC、GAUC、CTR和GMV等关键指标上均显示出显著的改进。 AI

影响通过更好地处理数据不平衡来提高CTR和GMV，从而增强电子商务推荐系统。

排序理由该集群包含一篇详细介绍新框架及其实验结果的研究论文。[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 →

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Jing Wang · 2026-05-22 07:29

From Head to Tail: Asymmetric Knowledge Transfer in Long-tail Recommendation with Generative Semantic IDs

Long-tail recommendation in real-world e-commerce platforms remains challenging due to severe data imbalance. Existing methods often struggle to combine content-based multimodal features with collaborative signals. Many of these methods also ignore an important asymmetry in knowl…

报道来源 [1]

From Head to Tail: Asymmetric Knowledge Transfer in Long-tail Recommendation with Generative Semantic IDs

相关实体

相关话题