这篇研究论文介绍了一种利用隐式用户反馈来解决推荐系统偏见问题的方法。该研究侧重于减轻位置偏见（排名靠前的项目获得更多互动）和流行度偏见（偏爱知名项目而非小众项目）。通过开发新的学习排序和协同过滤模型技术，该研究旨在提高推荐的准确性和个性化。 AI
影响 通过解决用户反馈数据中固有的偏见，这项研究可能在各种应用中带来更准确、更个性化的推荐。
排序理由 该条目是一篇提交到arXiv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
- collaborative filtering
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- graph neural networks
- Hugging Face
- Influence Flower
- learning to rank
- Litmaps
- ScienceCast
- scite Smart Citations
- Unbiased Recommender Systems with Implicit Feedback
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
