BehaveRec：结合长历史与社交图谱的序列推荐模型
热点事件持续更新
BehaveRec：结合长历史与社交图谱的序列推荐模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
一项名为 BehaveRec 的推荐系统模型在 arXiv 的 cs.AI 领域发布。该模型整合了 90 天用户历史与社交图谱信号，旨在提升长尾用户的序列推荐性能。 在新发布的评估中，BehaveRec 在包含 1.26 亿用户的数据集上进行了测试。结果显示，其 R@5 指标较 SASRec 模型提升了 3.2%。 在技术规格方面，BehaveRec 拥有 5.67M 参数，且训练耗时不足两天。该模型确立了以 20 次交互作为长期历史信号的部署阈值。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIBehaveRec：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 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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。