将噪声转化为价值：从模糊交互中发现服务偏好
信息检索
2025-12-02 v2
摘要
在电子商务服务推荐中，利用辅助行为来缓解数据稀疏性通常依赖于这样一种 flawed 假设：即那些未触发目标行为的辅助行为被视为负样本。这种方法本质上是有缺陷的，因为它忽略了 false negative 的情形，即用户实际上潜伏着意图或兴趣，但由于外部因素尚未转化。结果导致现有方法 suffer 从样本选择偏差和 auxiliary 与 target 行为之间严重的分布迁移，进而误判潜在用户需求。为此，我们提出了 Noise-to-Value Adapter (NoVa)，一种电子商务服务推荐框架，通过正-未标记学习视角重新审视问题。NoVa 旨在通过 two key 机制从 noise 中发现高质量偏好：首先，为弥合分布差距，我们采用对抗特征对齐。该模块将 auxiliary 行为分布与 target 空间对齐，以识别 high-confidence false negative，即统计上类似于已确认 target 行为的实例，从而代表潜在转化意图。其次，为缓解因偶然点击或随机浏览导致的标签噪声，我们引入语义一致性约束。该机制基于服务内容相似性实施语义感知过滤，作为偏差校正步骤，以过滤掉缺乏对历史用户偏好语义相关性的 low-confidence 交互。在三组真实数据上的大量实验表明，NoVa 在 state-of-the-art baseline 上显著优于。
引用
@article{arxiv.2511.05808,
title = {Turning Noise into Value: Uncovering Service Preferences from Ambiguous Interaction in E-commerce},
author = {Cheng Li and Yong Xu and Suhua Tang and Wenqiang Lin and Xin He and Jinde Cao},
journal= {arXiv preprint arXiv:2511.05808},
year = {2025}
}