面向电商推荐的级联生成方法
人工智能
2026-05-18 v2 信息检索
摘要
大型电商市场中个性化门户往往由许多独立组件构建：每页各章节区域的静态主题（"placement"），检索系统用于获取每个区域的合格产品，以及用于排序内容的点评模型。虽然这种范式在优化总体偏好方面有效，但其僵化且可能限制跨页面的个性化和语义一致性。这使其不适用于支持随时间变化的动态目标和 merchandising 要求。为此，我们引入一种级联 merchandising 框架，将门户构建分解为两个生成任务：（i）区域级别的主题生成，以及（ii）每个区域的受约束关键词生成以驱动产品检索。利用教师-学生微调可提高该框架在 production 延迟和成本约束下的可扩展性。微调后的模型 ablation 显示其可接近闭合权重 LLM 的性能。我们进一步贡献了用于 AI 驱动内容评估和质量过滤的框架，使动态内容能够大规模安全自动部署。生成的输出与传统排序模型融合，以保留混合基础设施。在线实验中，该框架相对于强基线实现约2.7%的购物车添加提升。
关键词
引用
@article{arxiv.2605.11118,
title = {A Cascaded Generative Approach for e-Commerce Recommendations},
author = {Moein Hasani and Hamidreza Shahidi and Trace Levinson and Yuan Zhong and Guanghua Shu and Vinesh Gudla and Tejaswi Tenneti},
journal= {arXiv preprint arXiv:2605.11118},
year = {2026}
}