English(EN) SwapRec: Warming Up Cold Items Through Training-Time Swaps

SwapRec 研究改进了冷门商品的推荐系统

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 08:41

一篇新的研究论文介绍了一种名为 SwapRec 的方法，该方法旨在提高推荐系统在处理“冷门商品”（即交互次数很少或没有交互的商品）时的准确性。该方法将推理时使用的相同商品交换启发式方法应用于训练过程本身。在在线购物、电影和音乐领域的顺序模型上进行的实验表明，SwapRec 显著提高了推荐准确性，并增加了向用户展示的冷门商品的比例，而与底层顺序架构无关。 AI

影响提高了推荐系统处理新商品或不太受欢迎的商品的有效性。

排序理由该条目是一篇提交到 arXiv 的研究论文，详细介绍了一种新的推荐系统方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇提交到 arXiv 的研究论文，详细介绍了一种新的推荐系统方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 7 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Matteo Ruffini · 2026-09-01 08:41

SwapRec：通过训练时交换来预热冷门商品

Interactions with cold items negatively impact real-time personalization of ID-based recommender systems. This is because the use of such interactions degrades user preference estimates, whereas excluding cold items from the user profile prevents real-time recommendation updates.…

本文如何被排名

报道来源 [1]

SwapRec：通过训练时交换来预热冷门商品

相关实体

相关话题