Core Concepts
Die vorgeschlagene Methode des kontrastiven Pre-Trainings verbessert die Erfassung komplexer Beziehungen in E-Commerce-Sitzungsdaten.
Abstract
Sitzungsdaten in E-Commerce sind semi-strukturiert und reich an Details.
Bestehende Methoden vernachlässigen oft textuelle Informationen und Interaktionssequenzen.
Kontrastives Lernen ermöglicht eine bessere Erfassung subtiler Hinweise in Sitzungen.
Das vorgeschlagene UBM-Modell zeigt verbesserte Leistung in verschiedenen Aufgaben.
Zwei-Stufen-Pre-Training mit innovativen Datenaugmentierungsstrategien.
Stats
Session data has been widely used for understanding user behavior in e-commerce.
Extensive experiments show that UBM better captures complex intra-item semantic relations.
UBM demonstrates strong robustness when data is sparse.