PulseAugur
中
实时 12:05:34
English(EN) Decomposing Staleness in Recommender Systems: A Dual-Filter Framework for Supersession and Decay

Google Discover 部署新框架以对抗陈旧推荐

作者 PulseAugur 编辑部 · [2 个来源] ·

一个名为超期衰减过滤 (Supersession-Decay Filtering, SDF) 的新框架已被开发并部署到 Google Discover 中，以对抗陈旧的推荐。该系统通过两种主要机制解决陈旧性问题：超期（supersession），即新信息使旧内容过时；以及相关性衰减（relevance decay），即内容随时间自然失去价值。在线实验和为期两年的生产部署显示，用户报告的陈旧性问题显著减少，表明用户参与度有所提高，并且这是一种更强大的大规模内容相关性管理方法。 AI

影响 该框架提供了一个可扩展的解决方案，通过减少大规模推荐系统中的陈旧内容来提高用户参与度。

排序理由 该集群包含一篇研究论文，详细介绍了推荐系统的新框架，包括其在主要产品中的部署。

在 arXiv cs.AI 阅读 →

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

Google Discover 部署新框架以对抗陈旧推荐

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Di Bai, Feng Han, Zhenwei Tang, Jintao Liu, Luoshu Wang, Jialu Liu ·

    分解推荐系统中的陈旧性：用于超期和衰减的双过滤器框架

    arXiv:2608.15780v1 Announce Type: cross Abstract: Stale recommendations are a pervasive challenge and a leading source of user complaints on large-scale content platforms. Items lose relevance through two primary mechanisms: supersession, where emerging updates render prior cover…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Jialu Liu ·

    分解推荐系统中的陈旧性：用于超期和衰减的双滤波器框架

    Stale recommendations are a pervasive challenge and a leading source of user complaints on large-scale content platforms. Items lose relevance through two primary mechanisms: supersession, where emerging updates render prior coverage stale, and relevance decay, where an item's in…

相关实体

相关话题