热点事件持续更新
研究团队提出序列推荐框架BehaveRec
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，研究团队发布序列推荐框架BehaveRec，该框架融合了短期会话、90天长期历史以及GraphSAGE社区信号。在包含1260万用户的工业数据集测试中，BehaveRec相较于SASRec将R@5指标提升了3.2%。研究结果显示，长期历史带来的增益会随用户交互频次递增：交互少于约10次时收益微弱，而超过101次时R@5提升达+0.017，据此团队提出了约20次交互的实际部署阈值。此外，该模型参数量仅为5.67M，在单张GPU上的训练耗时不到两天。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
团队发布融合长期历史与社区信号的BehaveRec，提出约20次交互的部署阈值。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 人工智能BehaveRec：长期行为历史何时有助于序列推荐？基于会话、历史与社区信号的研究
推荐框架 BehaveRec 融合短期会话、90 天长期历史与 GraphSAGE 社区信号，在 12.6M 用户的工业数据集上将 R@5 较 SASRec 提升 3.2%。研究表明长期历史增益随交互频次递增，交互少于约 10 次时收益微弱，超 101 次时 R@5 提升达 +0.017，据此得出约 20 次交互的部署阈值。该模型仅 5.67M 参数，单 GPU 训练耗时不到两天。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。