Maolei Huang 等发布面向促销漂移的工业推荐框架 COTTI
热点事件持续更新
Maolei Huang 等发布面向促销漂移的工业推荐框架 COTTI
1 篇报道1 个报道来源46 分钟前更新
先了解这件事
AI 综述
Maolei Huang 等在 arXiv 发布论文,提出面向促销(大促)漂移的工业推荐框架 COTTI,将历史表征学习与活动期分数调整分离,包含跨周期对比对齐(CPC)、主动重加权(RW)和自适应边界对齐(ABA)三个模块。 论文称,在 Fliggy 数据上 COTTI 离线 AUC 达 0.8127,高于 TEN 的 0.8101 和加 ABA 的 TEN 的 0.8123;与线上 HDR 模型对比的十天在线实验显示转化率相对提升 3.14%、千次展示收入相对提升 2.68%。推理方面 p99 延迟 38.9ms、吞吐 14,700 请求/s,开启 ABA 增加 2.2ms。
AI 根据报道生成 · 15 分钟前更新
最新进展11月18日 13:00
COTTI:面向促销漂移下工业推荐鲁棒性的对比训练与时序感知推理框架报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AICOTTI:面向促销漂移下工业推荐鲁棒性的对比训练与时序感知推理框架
COTTI 是一个将历史表征学习与活动期分数调整分离的工业推荐框架,包含跨周期对比对齐(CPC)、主动重加权(RW)和自适应边界对齐(ABA)三个模块。在 Fliggy 数据上离线 AUC 达 0.8127,优于 TEN 的 0.8101;p99 延迟 38.9ms,吞吐 14,700 请求/s,开启 ABA 增加 2.2ms。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。