研究人员开发了一种名为聚类引导生成重建(CG2R)的新推荐系统,该系统利用语义聚类的层次结构来改进个性化推荐。与单独对项目进行评分的传统方法不同,CG2R将聚类级别的先验知识直接纳入项目评分规则,从而塑造排名本身。即使对于没有先前历史的新用户,这种方法也能保持性能,并且在Recall和nDCG方面显著优于现有的经典、神经网络和基于LLM的基线,尤其是在更大、更稀疏的目录中。CG2R还能实现低延迟推荐,运行时间为毫秒级,适合作为第一阶段检索。 AI
影响 这个新的推荐系统可以提高各种平台上内容传递的效率和个性化。
排序理由 该聚类描述了一篇新发表在arXiv上的研究论文,其中详细介绍了一种新颖的推荐系统。[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 →