每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

从杂货到日用百货：使用 LLM 和实时购物车上下文的交叉推荐系统

Created by
  • Haebom

作者

Akshay Kekuda、Murali Mohana Krishna Dandu、Rimita Lahiri、Shiqin Cai、Sinduja Subramaniam、Evren Korpeoglu、Kannan Achan

大纲

本文探讨了现代电商平台如何努力提供及时且与情境相关的推荐，以提升客户体验。具体而言，我们致力于解决向专注于购买日用百货的顾客推荐日用百货这一研究不足的难题。为此，我们提出了一种新颖的方法——交叉授粉 (XP) 框架，它利用多源产品关联和实时购物车情境。该框架包含两个步骤：(1) 候选生成机制，该机制使用联合购买市场篮子分析和基于 LLM 的方法来识别新颖的商品间关联；(2) 基于 Transformer 的排序器，它利用实时顺序购物车情境并针对购物车添加等参与信号进行优化。

Takeaways, Limitations

•
Takeaways：
◦
提供针对杂货和日用百货的跨类别推荐的实用技术。
◦
通过基于 LLM 的搜索，产品页面的购物车添加率提高了 36%。
◦
使用基于上下文的排名器，购物车页面上的购物车添加销售率提高了 15%。
◦
为电子商务系统提供全面的见解。
•
Limitations：
◦
论文中没有具体提及 Limitations（无法从所提供的信息中做出任何推断）。
👍
Made with Slashpage