Amazon 团队提出 CG2R:用语义簇先验直接改写推荐打分,冷启动可用
_reachsumit · x · 2026-11-18
Amazon 团队在 arXiv 发布论文 CG2R(Cluster-Guided Generative Reconstruction),改进个性化推荐的排序方式:
- 问题:传统推荐器对每个商品独立打分,不显式建模推荐属于商品目录的哪个语义区域;能建模这种结构的模型往往太慢,无法全量目录在线推理。
- 方法:CG2R 学习商品目录的语义簇层级,并把簇级先验直接加到商品打分规则里——不像现有系统只用簇做候选预筛,而是让学习到的簇结构真正塑造排序本身。
- 冷启动:先验由簇质心而非逐商品统计组装而成,用户无历史数据时依然有效。
- 结果:在三个基准数据集上,Recall 和 nDCG 均超过经典、神经网络及 LLM 基线,且目录越稀疏优势越大;推荐延迟为毫秒级,有潜力作为低延迟的第一阶段召回。
「研究」频道最新
- TCS 学界发布声明:招聘重质量轻数量,抵制 AI 论文军备竞赛 — fortnow · 2026-11-18
- 论文提出语言创造性的社会文化视角:从社区实践看创意生成 — abenitezburraco · 2026-11-18
- 无需训练或梯度:27B 模型可自行改写权重提升 unseen 任务 — udmrzn · 2026-11-18
- 开源 EDA 工具十年逆袭:从「不可能」到设计出蓝牙信标芯片 — IgorCarron · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18
- Orabona 撰文驳 AdaGrad 预条件化解释:全矩阵界限常不如标量学习率 — bremen79 · 2026-11-18