PACERec框架解决长尾推荐难题

Junzhao Huang等人提出免ID的渐进式自适应推荐框架PACERec，旨在解决长尾物品推荐难题。该框架通过将前序交互上下文融入语义表示，实现模型对特定场景的自适应调整。在技术实现上，PACERec利用频率加权流匹配从具有充足交互的物品中学习共享速度场。该方法引导静态LLM嵌入向协同行为目标演化，从而提升推荐精度与泛化能力。研究团队在三个真实数据集及三个序列骨干网络上进行了实验验证。结果显示，PACERec在整体推荐及长尾推荐性能上均优于竞争基线模型，证明了其在复杂推荐场景下的有效性。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。