目录

背景：

预备知识：

指标：

方法:

Stepwise Corrective Reward

推荐结束机制（EOR）

统一训练目标

特征处理模块：

C.2 编码器：

C.3 解码器

解码过程：

C.4 Noise-aware 𝛼-adaptation：

 整体算法流程：

背景：

现代导航中的路径推荐系统普遍采用多阶段范式，包括召回、粗排、精排与重排，存在一些不足：

  • 训练目标与实际效用之间脱节
  • 多路线生成依赖人工冗余规则，与指标存在错位
  • 相互独立的排序阶段之间难以建立反馈

预备知识：

在路径推荐任务中，系统接收用户的起终点查询，并返回有序的候选路径列表。形式化地说，经过召回（路径规划）与粗排阶段后，我们得到一组共 N 条候选路径，记为：P = \{p_1, ..., p_N\}

排序模型的目标是生成一个有序列表\overline{p} = \{\overline{p_1}, ..., \overline{p_N}\}, \bar{p_i}\in P使其尽可能贴合用户的真实偏好。用户的实际行驶轨迹 u 作为隐式反馈，用于评估 \bar{P}的质量。

一个理想的路径推荐系统应同时满足三个目标：

  1. 将用户偏好（真实）的路径尽可能排在前列；
  2. 保证输出列表的整体高质量；
  3. 在找到偏好路径后，避免展示冗余路径。

为此，我们将优化目标定义为：最大化排序性能与列表覆盖率的综合指标，同时最小化冗余曝光。

指标：

Coverage Rate (CR)：路线之间的Jaccard相似度

其中具有最高CR的路线被称作\hat{p}，其CR值为\hat{p}^{CR}

Mean Reciprocal Rank (MRR)：被选择路线的排名越靠前，该指标越好

List Coverage Rate (LCR)：评估生成集合的整体质量，所有订单生成集合的sim_max的均值。

Redundant Item Exposure：比实走路线排名差的路线集合大小（生成路线集合越少越好）

方法:

显式平衡覆盖率与冗余曝光的全局目标：(被选择路线排名越靠前越好，生成集合的sim_max均值越大越好，整体路线生成集合越少越好)

为了让序列解码与这一全局目标对齐，SCASRec 引入了两个核心机制：

  1. 逐步校正奖励（SCR）：在每一步提供列表感知的反馈，引导上下文感知的优化；
  2. 推荐结束符（EOR）：作为可学习的停止条件，无需人工规则即可实现冗余消除。

Stepwise Corrective Reward

它表示当前列表覆盖率与最优覆盖率之间的剩余差距（一定是正值吧？）。r_{t}^{SCR}​ 越大，说明通过进一步校正可获得的收益越高，也意味着该样本在训练中需要被更多地关注。

如图 3 所示，SCR 通过计算当前列表与真实路径之间的最小的覆盖率差距，动态反映每一步的提升空间。这种聚焦式信号能够将训练损失引导至收益潜力最大的步骤，使 SCASRec 快速收敛到高质量、低冗余、且与用户意图高度匹配的推荐列表。

样本1与label差距小，loss小；样本2差距大， loss大，受到关注更多；即生成路线越接近真实label，loss越小；

这个是生成过程？

一旦真实路径被纳入列表，LCR(\bar{P_t})会达到\hat{p}^{CR}​，使得 r_{t}^{SCR}降至 0，表示继续增加路径对覆盖率或排序质量的提升可以忽略不计。

此外，与已推荐路径相似的候选路径对 LCR(\bar{P_t})几乎没有贡献，只会带来微小的 r_{t}^{SCR}下降；而能显著拓展轨迹覆盖率的多样化方案，则会带来更大的奖励下降。这隐式地鼓励模型选择有实质差异的路径，在无需显式约束或后处理过滤的情况下提升推荐多样性。

推荐结束机制（EOR）

EOR（End-of-Recommendation） 标记：

由于在 \hat{t} 之后推荐的任何路径都会增大冗余长度 ∣Z∣，因此最优策略应在 \hat{t} + 1步立即停止生成。

据此，我们为 EOR 设计如下奖励：

该奖励让 EOR 直接对应公式中的冗余惩罚项 −α∣Z∣，使模型不仅能学习 “推荐什么”，还能学习 “何时停止”。

统一训练目标

在每一步解码 t，模型输出一个概率分布 P_t \in ^{N+1}，覆盖 N 条候选路径与 EOR 标记。

定义label：

其中 index(⋅) 将路径映射到候选集中的编号。

为融入列表级反馈，使用组合奖励对每一步的监督损失进行加权：

最终训练目标为加权交叉熵损失：

特征处理模块：

特征包括：路径特征、场景特征和用户历史序列特征

x_{h}^i 为用户历史偏好标准： x_{h}^i = DIN(concat(x_{F}^i , E ), H)

x_{en}^i = concat(x_{h}^i, x_{F}^i)

注：其中H为用户在历史相同场景下的用户历史序列，对于当前请求不同候选路线是相同的，用来和当前候选路线提供相关性信息（历史选择高架路线）作为当前路线唯一的特征标准x_{en}^i

C.2 编码器：

引入近期提出的多场景框架 DSFNet 作为encoder，输入X_en，输出S_{en} \in R^{N \times F} 作为全局上下文表征；

C.3 解码器

候选路线集合：X_{de} \in \mathbb{R}^{(N+1) \times F}

已推荐路线集合：\bar{X}^t_{de} \in \mathbb{R}^{t \times F}

候选路线作为Q，已选路线表征\bar{X}^t_{de} 作为键和值，得到上下文表征 S^t_{de} \in \mathbb{R}^{(N+1) \times F}

将encoder输出与当前步的状态表征拼接，通过DSFNet和softmax计算得到概率P_t：

解码过程：

  • 每一步都看已经选了什么，在已经选择的结合上面做选择；
  • 每一步都可以选择终止，靠EOR（可学习向量）；
  • 其中sigmoid不做过一化，而是保留列表原始长度信息；

C.4 Noise-aware 𝛼-adaptation：

EOR 的奖励系数 α 是一个控制推荐过程停止倾向的超参数：α 值越高，推荐停止得越早，最终推荐的路径数量越少。

假设在给定 α 的情况下，数据集 D 被划分为两个子集：

  • Dsuc​：真实路径\hat{x} 被成功推荐的样本集；
  • Dfail​：真实路径 \hat{x}未被成功推荐的样本集。

通常而言，Dfail​ 中的样本更难学习，且更可能包含噪声。定义 Dfail​ 的占比为：

其中 ∣Dfail​∣、∣D∣ 分别表示 Dfail​ 和数据集 D 的样本总量；数据集的整体估计噪声比例记为 β。

噪声感知 α 自适应是一种启发式算法，核心是在训练过程中动态调整 α，使 e（未成功推荐样本占比）逐步逼近 β（估计噪声比例）。具体而言，每训练完一个批次（batch）后，我们计算当前的 e 值，并根据以下公式更新：

未成功推荐的样本太多，则减小reward，增加推荐步骤；

核心作用：解决 α 人工设定难、易受噪声干扰的问题，让模型的停止时机（EOR 选择）自动适配数据质量；

 整体算法流程：

实验：

采用能够同时反映排序质量与用户满意度的列表级指标：

  • HR@K：衡量用户实际行驶路径是否出现在前K个推荐结果中。

  • LCR@K：量化推荐路径列表与真实行驶轨迹之间的覆盖率。

  • MRR：评估最优路径的排序位置。当不同模型的MRR相同时，更高的LCR代表更优的推荐性能。

# 人工智能 # 深度学习
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

第6周学习总结：代码执行工具 + 多工具初步整合

本周完成了代码执行工具的安全沙箱设计，并为 Agent 添加了联网搜索能力，工具集扩展至 4 个，实现了从“只说不做”到“既说又做”的能力升级。

avatar 2048 AI社区
cover

OBS直播使用教程：OBS美颜插件OBS美颜摄像头OBS美颜相机下载安装使用教程

avatar 2048 AI社区

收藏！2026年小白程序员必入局的高薪AI赛道（含10大吃香岗位）

2026年AI岗位激增12倍，月薪破6万，供需比仅0.97，企业高薪抢人。文章介绍了10个前景广阔的AI岗位，如AI科学家、大模型算法工程师、AI产品经理等，部分岗位适合非计算机背景者。提供内部转型、转行过渡、自学上岸、考取证书等四条普通人入局AI的路径，强调越早入局机会越大。---

avatar 2048 AI社区