从食品到通用商品：基于 LLM 和实时购物车上下文的跨类目推荐
信息检索
2025-09-30 v2 人工智能
摘要
现代电子商务平台致力于提供及时且具上下文相关性的推荐，以提升客户体验。然而，为专注于食品购物的客户（例如，将牛奶配以牛奶蒸汽机）推荐通用商品，仍是一个关键且鲜有探索的挑战。本文引入一种跨类目（XP）框架，一种新颖的方法，通过利用多源产品关联和实时购物车上下文，桥接食品和通用商品之间的跨类目推荐。我们的解决方案采用两阶段框架：（1）使用共购市场篮分析和LLM方法的候选生成机制，以识别新颖的项目-项目关联；（2）基于实时顺序购物车上下文并针对添加购物车等参与度信号优化的transformer-based排序器。离线分析和在线A/B测试显示，采用LLM-based检索器在商品页面上的添加购物车率提升36%，使用基于购物车上下文的排序器在购物车页面上的添加购物车率提升15%。我们的工作为跨类目推荐提供了实用技术，并为更广泛的电子商务系统提供了见解。
引用
@article{arxiv.2509.02890,
title = {Grocery to General Merchandise: A Cross-Pollination Recommender using LLMs and Real-Time Cart Context},
author = {Akshay Kekuda and Murali Mohana Krishna Dandu and Rimita Lahiri and Shiqin Cai and Sinduja Subramaniam and Evren Korpeoglu and Kannan Achan},
journal= {arXiv preprint arXiv:2509.02890},
year = {2025}
}
备注
Accepted at RecSys 2025 EARL Workshop on Evaluating and Applying Recommender Systems with Large Language Models