热点事件持续更新
BehaveRec 提出三信号序列推荐框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.AI 刊出 BehaveRec 研究，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，探讨长期行为历史何时有助于序列推荐。在包含 137M 序列、12.6M 用户的工业数据集上，该框架的 R@5 较 SASRec 提升 +3.2%。用户分层结果显示，约 10 条交互以下的用户增益可忽略，101+ 事件用户的增益为 +0.017 R@5；据此研究给出每用户约 20 条交互的部署阈值。模型规模为 5.67M 参数。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
BehaveRec 在 137M 序列工业数据集上 R@5 较 SASRec 提升 3.2%，并给出约 20 条交互的部署阈值。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIBehaveRec：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 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。