PulseAugur
中
实时 15:06:02
English(EN) DualSpectralCF: Training-Free Sign-Aware Spectral Collaborative Filtering

DualSpectralCF框架通过负反馈增强推荐系统

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出DualSpectralCF，一个新颖的、无需训练的框架，旨在通过整合显式的负反馈来增强推荐系统中的协同过滤。该方法整合了带符号的输入信号和项-项算子，以利用用户的负面评价，在无需基于梯度的训练的情况下提高准确性。当应用于现有的谱骨干网络如ChebyCF、GF-CF和Turbo-CF时，DualSpectralCF在召回率方面表现出显著的提升，尤其对于冷启动用户，并且与其他方法相比提供了显著的速度改进。 AI

影响 这项研究通过有效利用用户的负面反馈，有望带来更准确、更高效的推荐系统。

排序理由 该集群包含一篇详细介绍协同过滤新方法的学术论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

DualSpectralCF框架通过负反馈增强推荐系统

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Guanqun Yang, Tong Qi, Xiaoxue Han ·

    DualSpectralCF：无训练感知符号的谱协同过滤

    arXiv:2608.10247v1 Announce Type: cross Abstract: Real-world recommendation platforms routinely collect explicit negative feedback such as 1-star reviews, hate-button clicks, distrust between users, and very-low watch-ratio videos. Learned sign-aware recommenders exploit this sig…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xiaoxue Han ·

    DualSpectralCF：无训练感知符号的谱协同过滤

    Real-world recommendation platforms routinely collect explicit negative feedback such as 1-star reviews, hate-button clicks, distrust between users, and very-low watch-ratio videos. Learned sign-aware recommenders exploit this signal for clear accuracy gains, but only at the cost…

相关话题