Style4Rec：利用风格和购物车信息增强基于Transformer的电商推荐系统
信息检索
2025-01-17 v1 人工智能
摘要
理解用户的产品偏好是提升推荐系统效果的关键。精准营销利用用户的历史数据来辨识这些偏好，并推荐与之匹配的产品。然而，近期的浏览和购买记录可能更能反映当前的购买倾向。基于Transformer的推荐系统在顺序推荐任务上取得了进展，但往往在有效利用产品图像风格信息和购物车数据方面不足。鉴于此，我们提出Style4Rec，一个基于Transformer的电商推荐系统，利用风格和购物车信息来增强现有的基于Transformer的顺序产品推荐系统。Style4Rec是个人化电商推荐的重要进步，凭借多项评估指标均超越基准。Style4Rec的 notable 改进包括：HR@5从0.681提升至0.735，NDCG@5从0.594提升至0.674，MRR@5从0.559提升至0.654。我们使用来自合作公司的数据集测试了该模型，发现其在多项评估指标上超越了 established 的基于Transformer的顺序推荐基准。因此，Style4Rec是个人化电商推荐系统的重要进步。
关键词
引用
@article{arxiv.2501.09354,
title = {Style4Rec: Enhancing Transformer-based E-commerce Recommendation Systems with Style and Shopping Cart Information},
author = {Berke Ugurlu and Ming-Yi Hong and Che Lin},
journal= {arXiv preprint arXiv:2501.09354},
year = {2025}
}
备注
9 pages, 6 images, 4 tables