arXiv · AI· Aysenur Inan, Reza Yousefi Maragheh, Jayesh Uddhav Kudase, Selene Xu, Kaushiki Nag, Jianpeng Xu, Sushant Kumar·· 5 小时前AI 评分28
BehaveRec：结合因果会话 Transformer 与 90 天历史编码器，提升长尾用户序列推荐性能
BehaveRec: When Does Long-Term Behavioral History Help Sequential Recommendation? A Study with Session, History, and Community Signals
AI 导读
BehaveRec 通过整合 90 天用户历史与社交图谱信号，在包含 1.26 亿用户的行为数据集上将 R@5 指标较 SASRec 提升 3.2%。该模型拥有 5.67M 参数，训练耗时不足两天，确立了 20 次交互的长期历史信号部署阈值。
来源：arXiv · AI · arxiv.org