研究人员推出了一种新颖的个性化生成检索框架CHAP,该框架解决了当前系统的局限性。CHAP利用分层语义对齐模块,跨多个粒度更好地匹配动态查询意图与静态项目表示。它还结合了用户行为建模和残差级联生成机制,以提高推理速度并减少信息丢失。在公共和专有数据集上的实验,包括在线A/B测试,都证明了CHAP的有效性和实际价值。 AI
影响 该框架可以提高搜索和推荐系统的效率和个性化。
排序理由 该集群包含一篇详细介绍生成检索新框架的研究论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Generative Retrieval
- Semantic IDs
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hierarchical Semantic Alignment
- Hugging Face
- Influence Flower
- Litmaps
- Residual Cascading Generation
- ScienceCast
- scite Smart Citations
- Transformer Decoder
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →