研究人员开发了“Ranking Companion”，一个新颖的可视化分析系统，旨在改进个性化物品排名的创建。该方法通过允许用户通过对已知物品的判断来表达偏好，解决了用户缺乏领域知识或无法明确表达特定偏好的挑战。Ranking Companion 集成了六种不同的物品选择方法，结合了模型驱动的主动学习和人类驱动的选择，为用户提供更大的灵活性和控制力。一项对 10 名参与者的用户研究表明，在使用这些混合方法时，在准确性、多样性、新颖性、透明度、控制和满意度方面，感知的排名质量存在权衡。 AI
影响 这项研究提供了一个新的个性化物品排名框架，有可能改善推荐系统和信息检索工具中的用户体验。
排序理由 该项目是一篇研究论文，详细介绍了一种新的基于物品的排名方法和系统。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- human–computer interaction
- Influence Flower
- information retrieval
- Litmaps
- Ranking Companion
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
