实体
Amazon Reviews 2023
Amazon Reviews 2023
PulseAugur coverage of Amazon Reviews 2023 — every cluster mentioning Amazon Reviews 2023 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的MEMOIR框架通过时序用户行为分析增强推荐系统
研究人员推出了一种新颖的MEMOIR框架，旨在通过捕捉时序用户行为来改进推荐系统。MEMOIR将用户交互历史分割成不同的时间窗口，利用LLM为每个时期生成语义记忆，并将这些信息综合成全面的用户表示。虽然MEMOIR在聚合指标上与领先的基线UniSRec表现相当，但其主要贡献在于在表现出高或低偏好漂移的用户中表现更优，表明其在捕捉用户随时间变化的细微行为方面非常有效。
-
LATTE框架预测用户偏好以实现个性化LLM生成
研究人员推出LATTE，一个用于通过预测用户偏好轨迹来个性化大型语言模型（LLM）的新框架。与将用户历史聚合为静态配置文件的现有方法不同，LATTE将个性化建模为预测用户相对于其同伴的相对偏好状态。这种方法旨在更有效地捕捉稳定的用户身份和最近的行为变化。在Amazon Reviews 2023等数据集上的实验表明，LATTE在个性化性能上显著优于基线方法。
-
Eugene Yan 训练 LLM-推荐混合模型以实现可控、可解释的推荐
Eugene Yan 开发了一种新颖的推荐系统方法，通过训练一个能够理解自然语言和物品 ID 的混合语言模型。该模型将语义 ID 令牌扩展了语言模型的词汇表，不仅可以根据用户历史记录生成推荐，还可以响应对话提示来引导建议。该系统旨在结合 LLM 的世界知识和传统推荐系统的目录感知能力，提供可控性和推理能力。