arXiv cs.AI· Aysenur Inan, Reza Yousefi Maragheh, Jayesh Uddhav Kudase, Selene Xu, Kaushiki Nag, Jianpeng Xu, Sushant Kumar·· 2 小时前AI 评分42
BehaveRec：长期行为历史何时有助于序列推荐？结合会话、历史与社区信号的研究
BehaveRec: When Does Long-Term Behavioral History Help Sequential Recommendation? A Study with Session, History, and Community Signals
AI 导读
BehaveRec 提出融合会话 Transformer、90 天用户历史编码器与用户图 GraphSAGE 的三信号推荐框架。在 137M 序列、12.6M 用户的工业数据集上，其 R@5 较 SASRec 提升 +3.2%。用户分层显示约 10 条交互以下增益可忽略、101+ 事件用户增益 +0.017 R@5，据此给出每用户约 20 条交互的部署阈值；模型仅 5.67M 参数。
来源：arXiv cs.AI · arxiv.org