两篇新提交至 arXiv 的研究论文解决了轮播界面中推荐系统评估的挑战。第一篇论文专注于开发一个点击建模框架,该框架考虑了轮播独特的二维布局,旨在改进从日志交互数据进行的策略评估。第二篇论文重新审视并重构了 N2DCG 指标,提出了改进建议,以更好地反映用户浏览行为,并基于实证数据和眼动追踪研究准确预测轮播布局的性能。 AI
影响 这些论文提出了改进的轮播推荐系统评估方法,有可能在这些界面中带来更有效的用户参与和个性化内容推送。
排序理由 两篇发表在 arXiv 上的学术论文,详细介绍了评估轮播推荐系统的新方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- Carousel Recommendation
- CatalyzeX Code Finder for Papers
- Click Modeling
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- N2DCG
- NDCG
- Offline and Off-Policy Evaluation
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →