实体
Low-Active Users
Low-Active Users
PulseAugur coverage of Low-Active Users — every cluster mentioning Low-Active Users across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
推荐系统利用置信度来为用户定制内容以提高参与度
研究人员开发了一个新的框架，通过量化模型置信度来改进推荐系统。该方法区分了低活跃用户（LAUs）和高活跃用户（HAUs）的策略，以提高参与度和满意度。对于LAUs，系统会抑制不可靠的推荐；而对于HAUs，则鼓励内容探索。该框架在直播平台上进行了测试，提高了LAUs的留存率和满意度，并增加了HAUs的兴趣多样性。
-
推荐系统利用置信度提升用户留存率和多样性
研究人员开发了一个新的框架，通过量化模型置信度来改进推荐系统。这种方法允许采取差异化策略，例如对低活跃度用户采取规避风险的降权措施，以抑制不可靠的推荐；对高活跃度用户则采取寻求风险的探索策略。该框架在直播平台上进行了测试，显著提高了低活跃度用户的留存率和满意度，同时增加了高活跃度用户的兴趣多样性。