《Electronic Commerce Research and Applications》：What to recommend is when to recommend: Modeling multi-granularity repurchase cycles
編輯推薦：
本文挑戰(zhàn)了重復(fù)購(gòu)買推薦（NBRR）中關(guān)于復(fù)購(gòu)間隔服從單一分布的固有假設(shè)。研究發(fā)現(xiàn)，重復(fù)購(gòu)買間隔分布（DRPI）實(shí)際上呈現(xiàn)為一種包含主趨勢(shì)與多重周期峰值的多模態(tài)混合結(jié)構(gòu)，即“多粒度復(fù)購(gòu)周期原則”（PMGRC）。對(duì)此，研究提出了MgRIA模型，其通過(guò)多粒度時(shí)間戳嵌入與分布感知評(píng)分機(jī)制，有效建模復(fù)雜周期，從而在預(yù)測(cè)“推薦什么”（召回率、nDCG、MRR）的同時(shí)，顯著提升“何時(shí)推薦”（Time-MRR）的準(zhǔn)確性。
Highlight
（文檔中“Highlight”部分之后的首個(gè)可翻譯結(jié)構(gòu)是“Section snippets”，其中包含多個(gè)小節(jié)。由于用戶指定“從Highlight開始到第二個(gè)Conclusion在內(nèi)”，而文檔中沒(méi)有明確名為“Highlight”的小節(jié)，但存在“Section snippets”，且“The MgRIA model”、“Experimental settings”和“Conclusion”均是其下的小節(jié)。因此，我將從“Section snippets”開始翻譯，并包含其下一直到第二個(gè)“Conclusion”小節(jié)之前的內(nèi)容。注意，文檔中第一個(gè)“Conclusion”出現(xiàn)在“Section snippets”的末尾，這可能是用戶所指的“第二個(gè)Conclusion”？但根據(jù)結(jié)構(gòu)，全文只有一個(gè)“Conclusion”小節(jié)，它位于“Section snippets”的最后。因此，我將翻譯“Section snippets”下的所有子小節(jié)，直至最后的“Conclusion”小節(jié)。這符合“從Highlight開始到第二個(gè)Conclusion在內(nèi)”的意圖，即覆蓋“Section snippets”下的全部?jī)?nèi)容。）
章節(jié)要點(diǎn)
相關(guān)工作
我們將相關(guān)文獻(xiàn)組織成一個(gè)分層敘述，以闡明MgRIA的定位：（i）無(wú)視時(shí)間的序列/會(huì)話模型；（ii）簡(jiǎn)單的時(shí)間感知模型；（iii）針對(duì)重復(fù)購(gòu)買和周期性建模的專門研究。這一敘述揭示了為何先前的研究在多粒度復(fù)購(gòu)間隔問(wèn)題上舉步維艱（參見表2）。
MgRIA模型
在現(xiàn)實(shí)世界的購(gòu)買行為中，用戶的重復(fù)購(gòu)買行為通常呈現(xiàn)出復(fù)雜的時(shí)序模式，其間隔時(shí)間跨度不同的時(shí)間尺度（例如，日用品與季節(jié)性商品），并且這些模式通常遵循冪律分布和高斯分布的混合，正如第1節(jié)所論證的那樣。在本節(jié)中，我們通過(guò)以下設(shè)計(jì)來(lái)解決這個(gè)多粒度復(fù)購(gòu)間隔感知的推薦問(wèn)題。
實(shí)驗(yàn)設(shè)置
在實(shí)驗(yàn)設(shè)置方面，硬件包括一個(gè)CPU（Intel Xeon Gold 6140）和兩塊GPU（NVIDIA Quadro RTX 6000，每塊內(nèi)存24GB），運(yùn)行Ubuntu 18.04系統(tǒng)。模型使用深度學(xué)習(xí)框架PyTorch實(shí)現(xiàn)。
數(shù)據(jù)集與預(yù)處理
如表1所示，不同數(shù)據(jù)集的物品集平均長(zhǎng)度存在顯著差異。由于數(shù)據(jù)特征的內(nèi)在差異，一個(gè)較小的N值可能在某個(gè)數(shù)據(jù)集中產(chǎn)生有意義的結(jié)果，但在其他數(shù)據(jù)集中則不然。
模型變體
為了進(jìn)一步研究各組件的貢獻(xiàn)，我們從四個(gè)層次視角進(jìn)行了消融實(shí)驗(yàn)，如表7所列。
對(duì)于每個(gè)變體，我們使用標(biāo)準(zhǔn)指標(biāo)（Recall@10、MRR@10、nDCG@10和Time-MRR@10）來(lái)測(cè)量整體推薦性能以及重復(fù)購(gòu)買預(yù)測(cè)的特定性能。表8展示了在Tafeng數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果，這證明了多粒度時(shí)間戳嵌入至關(guān)重要，移除它會(huì)…
結(jié)論
基于對(duì)多個(gè)數(shù)據(jù)集的考察，我們?cè)谥貜?fù)購(gòu)買間隔分布中發(fā)現(xiàn)了一個(gè)普遍存在的現(xiàn)象，即一個(gè)主導(dǎo)模式伴隨著數(shù)個(gè)次要模式。有鑒于此，我們?cè)O(shè)計(jì)了一種新穎的推薦系統(tǒng)MgRIA，它利用多粒度時(shí)間戳嵌入來(lái)捕捉訂單之外的時(shí)間戳信息，而不僅僅是序列信息。在所報(bào)告數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果支持了所提方法在…的有效性。
作者貢獻(xiàn)聲明
Yin Tang: 審查與編輯、撰寫初稿、項(xiàng)目管理、方法論、資金獲取、形式分析、概念化。Zezheng Li: 軟件、數(shù)據(jù)整理。Xiaotong Ye: 調(diào)查。Xiaotong Luo: 可視化、軟件。Yonghui Chen: 資源。Xing Qiu: 審查與編輯、監(jiān)督。
生成式AI與AI輔助技術(shù)在寫作過(guò)程中的使用聲明
在準(zhǔn)備本工作的過(guò)程中，作者僅使用AI進(jìn)行校對(duì)。在使用此工具/服務(wù)后，作者根據(jù)需要審查并編輯了內(nèi)容，并對(duì)出版物的內(nèi)容負(fù)全部責(zé)任。
利益沖突聲明
作者聲明，沒(méi)有已知的可能影響所報(bào)告工作的競(jìng)爭(zhēng)性財(cái)務(wù)利益或個(gè)人關(guān)系。
致謝
這項(xiàng)工作得到了國(guó)家自然科學(xué)基金（編號(hào)：62272198）和基于大模型代理的高速公路“1+N”機(jī)電運(yùn)維大腦研究與應(yīng)用項(xiàng)目的支持。
