研究人员开发了一种名为时间自回归对齐(TAAL)的新方法,以改进生成式推荐系统。TAAL解决了这些系统中标准的下一个词预测会导致解码早期出现显著剪枝失败的关键问题,超过90%的失败发生在最初的两个步骤内。通过在训练期间从历史转换构建软目标并在推理期间校准候选分数,TAAL显著提高了推荐准确性。该方法展示了显著的改进,包括在Amazon Beauty数据集上NDCG@10提高了39.5%,以及全SID生存率提高了16.6%。 AI
影响 提高了生成式推荐系统的准确性和生存率,可能带来更好的用户体验。
排序理由 该集群包含一篇详细介绍生成式推荐系统新方法的 ist 研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Amazon Beauty
- arXiv
- CORE Recommender
- Hugging Face
- Instruments
- Temporal Autoregressive Alignment
- Yelp
- alphaXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →