PulseAugur
中
实时 12:41:31
English(EN) Two-Sided State-Space Models for Sequential Recommendation with Non-Random Multimodal Review Feedback

新的双面状态空间模型利用评论反馈增强推荐系统

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的双面状态空间模型（TS-SSM），旨在通过考虑用户评论的非随机性来改进序列推荐系统。与以往被动处理评论的模型不同，TS-SSM 考虑了用户和物品状态如何影响评论生成，以及评论反过来如何改变物品流行度和用户决策。该模型包含一个用于融合评论内容和观察模式的模块，一个考虑相关物品状态的用户状态演化组件，以及一个处理不对称反馈的物品状态演化组件。在 Amazon 和 Goodreads 数据集上的实验表明，推荐准确性显著提高，TS-SSM 的表现优于 BSARec 和 HM4SR 等现有方法。 AI

影响 这项研究可以通过更好地利用用户反馈，从而实现更准确和个性化的推荐引擎。

排序理由 关于序列推荐新模型的学术论文。[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 →

新的双面状态空间模型利用评论反馈增强推荐系统

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
关于序列推荐新模型的学术论文。[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
31 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]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Ruoxuan Xiong ·

    用于序列推荐的双向状态空间模型与非随机多模态评论反馈

    Two-sided digital platforms are inherently dynamic: user preferences shift, item popularity evolves, and reviews both reflect and drive these changes. Yet most sequential recommendation systems treat reviews as passive signals for updating user states, leaving two aspects underex…

相关实体

相关话题