BehaveRec：长期行为历史何时有助于序列推荐

Aysenur Inan 等作者提交论文，提出三信号框架 BehaveRec，将因果会话 Transformer、覆盖 90 天窗口的双向用户历史编码器，以及基于行为嵌入相似度（而非物品共现）构建的用户图 GraphSAGE 模块结合，并通过学习门控按用户混合三路信号。 作者据此给出部署规则：当用户交互约达 20 次时，长期历史与行为图信号的额外复杂度才值得引入。作者称，这些主要结果和该阈值建立在类目级意图预测上；在完整物品级词表上仅做过一次初步检验，结果方向不一致，作者将其列为待解问题而非结论。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。