研究人员开发了一种新的集成方法，用于生成替代度假租赁房产推荐，显著提高了召回率。该方法结合了基于物品的协同过滤和图神经网络（GNN），在Recall@300方面比之前的基线提高了14.8%。单独的GNN组件在处理冷启动场景和发现多样化替代方案方面，比Hotel2Vec等浅层嵌入显示出显著的优势。研究还强调，候选生成阶段的改进对下游排序质量有积极影响，尽管具体关系需要进一步研究。 AI
影响 这项研究可能导致在线市场中更有效的房产发现，改善用户体验和转化率。
排序理由 该集群包含两篇相同的arXiv预印本，详细介绍了一种新的推荐系统研究方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- graph neural network
- Hotel2Vec
- Recall@300
- Syed Mohammed Arshad Zaidi
- alphaXiv
- CatalyzeX
- cs.IR
- cs.LG
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
