研究人员引入了Bi-NAS，一个旨在增强推荐系统中解释的有效性和个性化的新框架。这种双层神经网络架构搜索方法优化了交叉注意力机制和特征交互函数。通过将大型语言模型与零样本提示相结合，Bi-NAS为推荐生成了更量身定制的理由。在真实数据集上的评估表明，Bi-NAS不仅提高了推荐准确性，还显著增强了提供给用户的解释的清晰度和可靠性。 AI
影响 该框架可能带来更透明、更用户友好的推荐系统，提高用户信任度和参与度。
排序理由 该集群描述了一篇详细介绍推荐系统新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Bi-NAS
- CORE Recommender
- Hugging Face
- large-language models
- Neural architecture search
- Recommender Systems
- zero-shot prompt
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
