DeepAffinity：使用小语言模型进行电子商务中的长期方面偏好预测

我们探索预测电子商务用户对产品方面（例如品牌、尺寸和颜色）的偏好 - 我们将这项任务定义为“方面亲和力”。解决此任务可以提高客户的理解，并在推荐、搜索和营销方面实现细粒度的个性化。我们将方面亲和力构建为时间预测任务：根据用户按时间排序的交互历史记录预测用户未来的方面选择，捕获超出当前会话的长期偏好。为此，我们提出了 DeepAffinity，它利用带有结构化提示的小语言模型 (SLM) 和针对此任务进行微调的专门预测头。我们证明 DeepAffinity 优于标准生成 微调 方法，而通用开源 LLM 在没有特定于任务的调整的情况下表现不佳，突出了它们在建模细微行为方面的局限性。最后，DeepAffinity 提高了大型跨国电子商务平台的推荐质量。