一篇新的arXiv论文探讨了提高每日物品嵌入兼容性的方法,这对于预测用户行为(如点击率CTR)至关重要。该研究将Word2Vec与XSimGCL的改编版进行了比较,评估了初始化、对齐和尺度管理等各种技术。主要发现表明,ID初始化和正交对齐等干预措施显著提高了嵌入兼容性和CTR,而每日全局重缩放有效地管理了随时间累积的尺度。研究还表明,降维编码器可以进一步使嵌入适应残差漂移,这表明结合上游稳定化、尺度管理和下游任务学习有利于工业应用。 AI
影响 提高了推荐系统和在线平台中用户行为预测的准确性。
排序理由 该集群包含一篇详细介绍信息检索技术实证研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXivLabs
- CatalyzeX
- DagsHub
- Geometry-Aware Uncertainty Coresets
- Gotit.pub
- Hugging Face
- ID-init
- orthogonal alignment
- ScienceCast
- singular value decomposition
- Word2Vec
- XSimGCL
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →