PulseAugur
中
实时 01:48:43

AdaptedKG 改进了通过用户行为数据去噪来改进的顺序推荐

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为 AdaptedKG 的新方法，通过去噪用户行为数据来改进顺序推荐系统。该方法利用知识图谱来识别和权衡用户交互的可靠性，区分持久偏好和偶然行为。与依赖共现或模型预测的先前方法不同，AdaptedKG 使用知识图谱内的结构关系来校准每次交互的重要性，从而提高了预测用户可能选择的下一个项目的准确性。该系统离线执行这些计算，确保在推理过程中没有额外的计算负担。 AI

影响 通过更好地理解用户行为，提高了推荐系统中预测用户偏好的准确性。

排序理由 该集群包含一篇详细介绍顺序推荐系统新方法的论文。

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 →

AdaptedKG 改进了通过用户行为数据去噪来改进的顺序推荐

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Zichun Jin, Zihan Zhou, Yinan Liu, Bin Wang, Xiaochun Yang ·

    为序列推荐中的行为去噪而适配知识图谱

    arXiv:2608.21243v1 Announce Type: cross Abstract: Sequential recommendation predicts the next item from a user's interaction history, but not every interaction is equally informative. Real logs combine persistent preferences with temporary needs, exploration, and incidental behav…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xiaochun Yang ·

    为序列推荐中的行为去噪而适配知识图谱

    Sequential recommendation predicts the next item from a user's interaction history, but not every interaction is equally informative. Real logs combine persistent preferences with temporary needs, exploration, and incidental behavior, so some interactions can distort history repr…

相关实体

相关话题