Badacze przedstawili BehaveRec – system rekomendacji łączący trzy sygnały: sesję użytkownika, 90-dniową historię zachowań oraz graf społecznościowy oparty na podobieństwie embeddingów. Na zbiorze 137M sekwencji od 12,6M użytkowników model poprawił wynik R@5 o 3,2% względem SASRec.
Wyobraź sobie system rekomendacji, który nie patrzy tylko na to, co kliknąłeś przed chwilą, ale sięga trzy miesiące wstecz i pyta sąsiadów o zdanie. Właśnie tak działa BehaveRec: łączy bieżącą sesję, długą historię zachowań i graf społecznościowy, a na zbiorze ponad 137 milionów sekwencji od 12,6 miliona użytkowników wycisnął poprawę R@5 o 3,2% względem uznanego modelu SASRec.
Brzmi imponująco, ale 3,2% w laboratorium to jeszcze nie rewolucja w sklepie, a pytanie o to, czy tak głodny danych potwór sprawdzi się poza gigantycznymi platformami z milionami użytkowników, pozostaje bez odpowiedzi.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google