DeepAffinity: Long-Term Aspect Preference Prediction in eCommerce using Small Language Models
DeepAffinity 提出了一种利用小语言模型（SLMs）预测电商用户对产品品牌、尺寸、颜色等属性长期偏好的方法。该方法将属性亲和性定义为时间序列预测任务，通过结构化提示和专用预测头微调 SLM，使其能捕捉超越当前会话的长期偏好演变。实验表明，DeepAffinity 优于标准生成式微调方法，而通用开源大语言模型在未进行任务特定调优时表现不佳。最终，DeepAffinity 在大型跨国电商平台显著提升了推荐质量。