新的IID-Nav框架通过无限深度导航增强推荐检索

研究人员推出了一种新颖的框架IID-Nav，旨在增强大规模推荐检索系统。该框架通过将检索建模为有状态的自主图探索，解决了当前方法中的局限性，例如“兴趣隧道”效应和“搜索漂移”。IID-Nav包含一个目标感知导航策略、一个用于间接无限深度遍历的递归状态演化机制，以及一个带有图硬负采样的轨迹对齐训练范式。在大型工业数据集上的评估表明，在严格的延迟限制下，IID-Nav的性能显著优于现有的检索基线，为工业推荐系统提供了更高效、更鲁棒的解决方案。 AI

影响 该新框架通过克服当前方法的局限性，可能带来更高效、更精确的推荐系统。

排序理由 该集群包含一篇详细介绍推荐检索系统新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IID-Nav
• Influence Flower
• ScienceCast

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →