生成式推荐新方法：语义子词分词提升物品建模

_reachsumit · x · 2026-08-25

论文提出语义子词分词（SST）方法，将用户历史压缩为可复用的子词令牌，而非固定代码，从而减少注意力在物品内部依赖上的过度消耗，释放能力建模物品间关系。在三个公开数据集和三个生成式推荐骨干上，SST优于固定长度和可变长度SID基线。论文被CIKM 2026接收。

原文链接 →

「研究」频道最新

• AAAI 2027 审稿争议：论文无代码数据该拒稿吗？ — SimpleObvious4048 · 2026-08-25
• 新研究探究 LLM Agent 是否具备时间感知与预算意识 — maksym_andr · 2026-08-25
• SA-RSQ：多模态推荐系统的稀疏表示框架 — _reachsumit · 2026-08-25
• 重访 N2DCG：轮播推荐评估的实证重 formulation — _reachsumit · 2026-08-25
• RAG崩溃：检索到自生成内容时LLM答案趋同，79.6%模拟崩溃 — _reachsumit · 2026-08-25
• Spotify研究：更好的推理轨迹反而降低推荐效果 — _reachsumit · 2026-08-25

更多「研究」频道 AI 资讯 →