PulseAugur
中
实时 05:53:32
English(EN) CPGRec+: A Balance-oriented Framework for Personalized Video Game Recommendations

新框架CPGRec+利用LLM和GNN增强游戏推荐

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CPGRec+，一个增强的个性化视频游戏推荐框架，解决了现有图神经网络（GNN）模型的局限性。该新框架包含一个偏好信息边重加权（PER）模块，以更好地区分重要的玩家互动；以及一个偏好信息表示生成（PRG）模块，该模块利用大型语言模型（LLM）生成情境化描述。在Steam数据集上进行的实验表明，CPGRec+在推荐的准确性和多样性方面均优于最先进的模型。 AI

影响 该框架可以通过更好地平衡准确性和多样性来改善游戏和其他领域的个性化内容交付。

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

在 arXiv cs.AI 阅读 →

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

新框架CPGRec+利用LLM和GNN增强游戏推荐

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xiping Li, Aier Yang, Jianghong Ma, Kangzhe Liu, Shanshan Feng, Haijun Zhang, Yi Zhao ·

    CPGRec+: 面向个性化视频游戏推荐的平衡导向框架

    arXiv:2604.14586v3 Announce Type: replace-cross Abstract: The rapid expansion of gaming industry requires advanced recommender systems tailored to its dynamic landscape. Existing Graph Neural Network (GNN)-based methods primarily prioritize accuracy over diversity, overlooking th…

相关实体

相关话题