非商品页路径建模 - 导航页在用户旅程中的转化贡献

1. 解决的问题

母婴独立站（如 Momcozy/Graco 品牌站）的首页、分类页（奶瓶/奶粉/童车）、搜索页在转化漏斗中起什么作用

2. 核心算法逻辑

传统序列推荐系统只捕获「商品交互」（PDP 页面点击），忽略了用户在商品页之间穿插访问的非商品页——如首页、搜索结果页、分类页（Category Listing Page，CLP）、博客详情页、购物车页等。论文证明：这些非商品页携带了关于用户意图的关键信号，能显著提升 NextItem 预测性能。

3. 业务应用场景

业务问题：母婴独立站（如 Momcozy/Graco 品牌站）的首页、分类页（奶瓶/奶粉/童车）、搜索页在转化漏斗中起什么作用？桑基图中这些节点的「转化贡献权重」该如何科学量化？砍掉或降级某个导航页会损失多少转化？

| 母婴独立站页面类型 | 论文非商品页类型 | 表征策略推荐 | |-----------------|---------------|------------| | 首页（Homepage） | 单体非商品页 | CPID: `type:homepage` | | 搜索结果页（SRP） | 商品列表页 | PE: 用搜索词嵌入 / CPID: 频繁分类组合 | | 分类页（CLP，如 `/breast-pumps/`） | 商品列表页 | CPID: `category:breast-pump` | | 博客/选购指南页 | 单体非商品页 | PE: 页面文本嵌入 | | 购物车页 | 单

| 字段 | 类型 | 示例 | |------|------|------| | `session_id` | string | `"sess_abc123"` | | `event_time` | datetime | `"2026-05-01 10:23:45"` | | `page_type` | string | `"pdp"` / `"clp"` / `"srp"` / `"homepage"` / `"cart"` | | `page_id` | string | `"pdp_M001"` / `"clp_breast-pump"` / `"srp_q123"` | | `ite

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

5000 万

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
Non-Item Page Path Modeling — 非商品页路径建模
论文: arXiv:2408.15953 (ACM TORS 2025)
场景: 母婴出海独立站，桑基图导航节点权重量化 + 含非商品页的 Next-Item 预测

包含:
1. 页面序列数据模拟（母婴电商场景）
2. HypTrails 假设检验：验证非商品页影响力
3. 非商品页 CPID/PE 编码
4. 序列推荐模型（简化 SASRec 变体）：对比 Items-Only vs 含非商品页
5. 非商品页贡献度消融实验（Ablation Study）
"""

from __future__ import annotations

import random
import math
from collections import defaultdict, Counter
from dataclasses import dataclass, field
from typing import List, Dict, Optional, Tuple
import numpy as np


# ============================================================
# 1. 数据结构定义
# ============================================================

@dataclass
class PageEvent:
    """单次页面交互事件"""
    page_type: str          # "pdp" / "clp" / "srp" / "homepage" / "cart" / "blog"
    page_id: str            # 页面唯一标识
    item_id: Optional[str]  # 仅 PDP 有商品 ID
    categories: List[str]   # 页面分类标签（非商品页最重要的内容信号）
    query_embedding: Optional[List[float]] = None  # 搜索页专用

    @property
    def is_item(self) -> bool:
        """是否为商品页（PDP）"""
        return self.page_type == "pdp" and self.item_id is not None

    def get_cpid(self) -> str:
        """构造 Content-based Page ID"""
        if self.is_item:
            return f"item:{self.item_id}"
        if self.categories:
            cat_str = "|".join(sorted(self.categories))
            return f"{self.page_type}:{cat_str}"
        return f"{self.page_type}:{self.page_id}"


@dataclass
class UserSession:
    """用户会话：包含商品页和非商品页的混合序列"""
    session_id: str
    events: List[PageEvent] = field(default_factory=list)

    def get_item_sequence(self) -> List[str]:
        """仅返回商品页序列（传统方式）"""
        return [e.item_id for e in self.events if e.is_item]

8. 论文来源

• 2408.15953