DeepAffinity：使用 Small Language Models 进行电商长期属性偏好预测

我们研究对电商用户在品牌、尺寸和颜色等商品属性上的偏好进行预测——我们将这一任务定义为属性亲和度（Aspect Affinity）。解决这一任务有助于提升对顾客的理解，并支持推荐、搜索和营销中的细粒度个性化。我们将 Aspect Affinity 表述为一个时间预测任务：根据按时间排序的交互历史，预测用户未来的属性选择，从而捕捉超越当前会话、不断演化的长期偏好。为此，我们提出 DeepAffinity，它利用 Small Language Models（SLMs），结合结构化提示和针对该任务微调的专门预测头。我们表明，DeepAffinity 优于标准的生成式微调方法，而通用的开源 LLMs 在没有任务特定调优的情况下表现较差，凸显了它们在建模细微行为方面的局限性。最后，DeepAffinity 提升了一个大规模跨国电商平台上的推荐质量。