利用线上和店内用户行为提升顺序推荐系统

线上电商平台正在扩展线下购物，允许用户在保持线上浏览和结账体验的同时探索线下购物。然而，用户在线上和线下之间的日益频繁转换，使得顺序推荐系统在预测未来线上交互时面临挑战，因为缺乏对混合用户行为（线上和线下）的整体建模。挑战有两个方面：首先，如何将线上和线下用户行为数据整合到单一数据模式中，并在模型生命周期的多个阶段（如预训练、训练、推理等）中有机地支持；其次，仅依赖线上用户行为序列的线上推荐系统必须在顺序建模设置下 redesigned 以支持线上和线下用户数据作为输入。为克服第一个挑战，我们提出了一种混合的全渠道数据管道，通过缓存来自多源数据的信息来编译线上和线下用户行为数据。随后，我们引入一个模型无关的编码器模块到顺序推荐系统中，以解释用户的线下交易，并增强混合用户行为下对更好线上交互预测的建模能力。