研究人员推出了一种新颖的S2-CAR框架，旨在通过更好地处理复杂多变的用戶行为来改进序列推荐系统。与使用固定时间间隔进行分段的传统方法不同，S2-CAR采用了一种情境感知软时间点过程，根据潜在用户能量状态的衰减动态识别意图边界。这种方法能够更准确地分段和聚合多兴趣表示，从而在电影、电子商务和游戏等领域的多个基准数据集上取得卓越的性能。 AI
影响 这项研究通过更好地理解复杂的用戶行为，有望在各种平台上实现更具个性化和更有效的推荐引擎。
排序理由 该条目描述了一篇关于推荐系统新颖框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- Context-Aware Soft Temporal Point Process
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- S2-CAR
- ScienceCast
- scite Smart Citations
- Segment-Count-Adaptive Multi-Intent Extraction
- Soft-TPP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
