09:08
官方账号arXiv cs.LG@Akshay Kekuda, Shreeranjani Srirangamsridharan, Ishan Bhatt, Yanan Cao, Sinduja Subramaniam, Evren Korpeoglu, Kaushiki Nag, Kannan Achan
推荐理由：电商推荐系统新方法：用生存模型替代多分类器，复购预测更准确且模型更轻量。
生存模型
共 2 条相关 AI 资讯
8月31日
09:08
研究使用生存模型替代传统二分类器，预测客户复购时间。在大型生鲜电商平台测试了30多种配置，发现边际风险率随时间递减(k≈0.9)。Log-Normal模型获得最佳排序性能，而Exponential AFT模型校准误差低至1e-4。单个AFT模型可替代3个二分类器，使用量减少约3倍。
5月18日
10:35
10:35
官方账号arXiv cs.LG@Chaeyeon Lee, Sehwan Kim, Hyungrok Do
精选
推荐理由：生存分析领域终于有了一个不依赖离散化或分布假设的深度学习方案，做医学影像或高维数据风险建模的团队可以直接用 QSurv 获得更准确的风险曲线，值得关注。