融合顺序嵌入、图和工程特征：2025 年 RecSys 挑战赛第 4 名解决方案.pdfVIP

融合顺序嵌入、图和工程特征：2025年

RecSys挑战赛第4名解决方案

SergeiMakeevAlexandrAndreevVladimirBaikalov

neuralsrg@sasha.andrieiev.2001@mail.runonameuntitled159@

YandexYandexYandex

Moscow,RussiaMoscow,RussiaMoscow,Russia

VladislavTytskiyAlekseiKrasilnikovKirillKhrylchenko

vladtytskiy@TheKabeton@yandex.ruelightelol@

本YandexYandexYandex

译Moscow,RussiaMoscow,RussiaMoscow,Russia

中摘要ACMReferenceFormat:

1SergeiMakeev,AlexandrAndreev,VladimirBaikalov,Vladislav

v本文描述了由团队雄心勃勃提出的在Synerise和ACMTytskiy,AlekseiKrasilnikov,andKirillKhrylchenko.2025.融合

0RecSys组织的RecSysChallenge2025中获得第四名的顺序嵌入、图和工程特征：2025年RecSys挑战赛第4名解决

7

9解决方案，该挑战赛专注于通用行为建模。比赛的目方案.InRecSysChallenge2025(RecSysChallenge’25),September22,

6

0标是生成适用于六个不同下游任务的有效用户嵌入。2025,Prague,CzechRepublic.ACM,NewYork,NY,USA,11pages.

8.我们的解决方案集成了（1）顺序编码器以捕捉用户兴/10.1145/3758126.3758131

0趣的时间演变，（2）图神经网络以增强泛化能力，（3）

51介绍

2深度交叉网络以建模高阶特征交互，以及（4）关键性

:

v能的特征工程。电子商务推荐系统通常负责预测相关商品、流失风险

i

x或购买倾向。RecSysChallenge2025的目标是开发一1

r

a个通用行为配置文件——一种能够跨多个此类任务泛

CCSConcepts

化的用户表示。最终排行榜显示在表1中。

•Informationsystems→Recommendersystems.参与者被要求基于一套丰富的历史活动数据生成

一百万个用户的嵌入表示：包括购物车添加、购买、购

Keywords物车移除