一篇新的arXiv论文介绍了一种名为CAPE(共现感知池扩展)的方法,旨在通过恢复生成式推荐系统对长尾物品的召回能力来改进它们。当前的生成模型常常会遗忘这些不太受欢迎的物品,因为它们的检索和排序机制基于共享分数,这有利于更受欢迎的“头部”物品。CAPE作为一个插件,重新引入了物品级别的记忆能力,在不显著增加延迟的情况下提高了检索和排序的准确性。在产品和音乐领域的实验证明,与现有方法相比,CAPE在提高长尾准确性方面是有效的。 AI
影响 增强了生成式AI系统推荐小众或不太受欢迎物品的能力,有可能改善用户体验和跨领域发现。
排序理由 该集群包含一篇详细介绍推荐系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- CAPE
- collaborative filtering
- Generative Recommenders
- Music domain
- Product domain
- Ranking
- Retrieval
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →