arXiv cs.AI· Abdulaziz Samra, Nikita Sukhorukov, Alexey Grishanov, Alexey Vasilev, Evgeny Frolov·· 14 小时前AI 评分18
跨域序列推荐中的表示级用户迁移框架
Cross-Domain Sequential Recommendation with Representation-Level User Transfer
AI 导读
研究者提出一种跨域序列推荐框架，仅通过学到的用户表示迁移信息，不共享原始交互数据或物品嵌入向量。该框架用轻量适配器将源域用户表示投影到目标域嵌入空间，当用户仅有目标域数据时自动退化为纯目标域序列推荐器。在两种实验设置下，共享用户与非共享用户均取得一致的性能提升。
正文 · AI 翻译
摘要：跨域序列推荐旨在利用辅助源域中的用户行为来改进目标域中的下一项预测。然而，实际部署面临两个关键挑战：一是业务约束导致各域之间的交互数据相互隔离，二是用户异质性，即许多用户缺乏跨域活动。这使得现有的跨域方法难以应用。本文提出一个简单而实用的跨域序列推荐框架，该框架仅通过学习到的用户表示来传递信息，不在各域之间共享原始交互数据或物品嵌入。我们引入一个轻量级适配器，将源域用户表示投影到目标域嵌入空间，并将其与目标交互序列融合。重要的是，当源数据不可用时（即用户仅在目标域中被观察到），模型会无缝退化为一个稳健的仅目标域序列推荐器，同时保留来自所有用户联合训练的收益。我们在两种设置下进行了大量实验：一种针对与先前基线方法的基准对比，另一种聚焦于真实且可扩展的条件。两组实验均表明，对于共享用户和非共享用户，性能都获得了一致的提升。
| 评论： | 已被 CIKM'26 接收——完整论文轨道 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI）；分布式、并行与集群计算（cs.DC） |
| MSC 分类号： | H.3.3, I.2.6 |
| 引用为： | arXiv:2610.35550 [cs.IR] |
| （或 arXiv:2610.35550v1 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35550 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 相关 DOI： | https://doi.org/10.1145/3799682.3841135
链接到相关资源的 DOI |
提交历史
来自：Abdulaziz Samra [查看邮箱]
[v1]
2026年10月26日星期一 14:55:24 UTC（300 KB）
来源：arXiv cs.AI · arxiv.org