一篇新的研究论文提出,读者在文档中的位置比流行度或相似性方法更能有效地预测个性化高亮。这项在社交高亮平台上进行的研究发现,对读者首次高亮后紧随其后的句子进行排名,能够预测下一次高亮 47% 的情况。这种方法优于基于流行度的方法(26%)和两种基于相似度的方法(29%)。该论文强调了时间顺序评估以及在文档个性化中考虑阅读位置的重要性。 AI
影响 通过利用阅读位置,提出了一种更简单、更有效的内容个性化推荐方法。
排序理由 该集群包含一篇发表在 arXiv 上的研究论文,详细介绍了用于个性化高亮预测的新评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- information retrieval
- Reading Position Is the Baseline to Beat: A Time-Ordered Evaluation of Personalised Highlight Prediction
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →