Decoupled Temporal Encoding for Generative Recommendation
本文提出了解耦时间编码（Decoupled Temporal Encoding, DTE），这是一个用于生成式推荐的轻量级框架，通过将时间动态与物品顺序分离，利用两个互补模块——用于捕捉宏观时间模式的个性化宏观时间模块和用于捕捉密集局部交互的时间门控微观序列模块——改进了现有方法。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字世界中，推荐系统扮演着日常生活中隐形策展人的角色，建议我们接下来看什么、买什么或吃什么。多年来，这些系统一直依赖于一种被称为 Transformer 的强大人工智能技术，这种技术擅长理解序列。将用户的历史记录想象成一个故事：系统通过阅读用户与之交互过的物品章节，来预测下一个章节的内容。为了理解一个故事，AI 不仅需要知道发生了“什么”，还需要知道“何时”以及“以何种顺序”发生。教授 AI 理解这种顺序的标准方法借鉴自语言模型，将列表中的每个项目视为序列中的一个简单步骤，就像句子中的单词一样。然而，现实世界中的人类行为远比简单的列表复杂得多。它受时钟、日历和日常生活节奏的影响。一个人在午餐时间的饥饿感、他们在周末的购物习惯，或是他们对突发促销的反应，都是标准方法往往难以在捕捉简单事件顺序的同时，也精准捕捉到的时间模式。
阿里巴巴 Rajax 网络技术的研究人员，在淘宝外卖及即时零售业务高压力的环境下，发现了这些系统在理解时间方面存在的差距。他们观察到，用户行为是由两种经常交织在一起的不同力量驱动的。一种力量是宏观的时间背景：比如现在是周二，或者是临近午餐时间，亦或是某个店铺正经历突发的流量激增。另一种力量是紧凑、即时的动作序列：比如用户在几分钟内先点击了一家面馆，接着是一杯饮料，然后是一个甜点。现有的系统试图通过单一的统一通道将这两种信号同时输入 AI，这就像仅通过测量风速而忽略降雨量来描述一场风暴一样。这种方法使得模型很难区分一天的整体氛围与用户正在进行的特定、快速的选择。
为了解决这个问题，该团队开发了一个名为“解耦时间编码”（Decoupled Temporal Encoding）的新框架。他们并没有强迫 AI 从同一个来源学习时间和顺序，而是构建了两个协同工作的独立且轻量化的模块。第一个模块被称为“宏观时间编码器”，它专注于大局。它向系统注入紧凑的信号，以告知 AI 关于一天中的时间、一周中的哪一天，以及距离上次交互经过了多少时间。这使得模型能够理解，周五晚上 7 点订晚餐的用户，其心态可能与周一中午 12 点订午餐的同一用户完全不同。第二个模块是“微观序列编码器”，它处理细节。它充当一个守门员的角色，只有当交互发生得如此迅速以至于时间戳本身变得模糊时，它才会介入并强调严格的事件顺序。如果用户在极短时间内连续点击了多个项目，该模块能确保 AI 关注这些点击的精确顺序，而不仅仅是它们发生的紧凑程度。
研究人员在包含来自淘宝应用的数十亿次交互的海量数据集，以及一个公开的视频推荐基准测试上对该方法进行了测试。结果表明，将这两类时间信息分离，显著提高了系统预测用户下一步需求的能力。在离线测试中，这种新方法优于以往所有最先进的模型，在预测点击率方面实现了更高的准确度并减少了误差。至关重要的是，团队发现当用户具有清晰、重复的行为模式（例如规律的午餐订购），或者当他们的交互非常密集时，系统的表现最为出色。对 AI 内部注意力模式的分析显示，系统学会了在不丢失对即时序列追踪的情况下，强化这些周期性的习惯。
这项研究真正的考验来自于团队将系统部署到淘宝应用的实时流量中。在一项涉及数百万真实用户、为期三周的严格实验中，新方法带来了可衡量的业务提升。它使点击率提升了 1.8%，并将每千次展示收入提升了 3.0%，同时仅增加了微乎其微的系统响应延迟。由于收益是持续性的且系统保持稳定，该公司在 2026 年 1 月将该更新推向了“闪购”广告推荐系统的 100% 流量。这次部署证明，通过将宏观的时间背景与特定的动作顺序解耦，推荐系统可以变得更加契合人类生活的复杂与律动，从而提供不仅具有时效性、而且真正个性化的建议。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。