新的SAHC-NS方法改进了协同过滤的负采样

研究人员开发了SAHC-NS，一种用于隐式协同过滤的负采样新方法。该方法通过考虑用户之间候选负样本池的硬度变化并纳入多跳邻域聚合的结构差异，解决了现有方法的局限性。SAHC-NS利用层级匹配分数来捕捉结构差异，并使用硬度校准模块动态调整负样本增强强度，从而产生更具信息量且硬度可控的负样本。实验表明，SAHC-NS的性能优于当前的负采样技术。 AI

影响 通过改进用户偏好的学习过程来提高推荐系统的准确性。

排序理由 详细介绍协同过滤新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• implicit collaborative filtering
• Influence Flower
• SAHC-NS
• ScienceCast

• 论文
• 其他

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