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
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架校准推荐置信度，以提升用户留存率和多样性
一篇新研究论文介绍了一个推荐系统框架，该框架通过校准模型置信度来改善低活跃和高活跃用户的用户体验。对于低活跃用户，系统采用一种规避风险的策略来降低不可靠推荐的权重，旨在提高用户留存率和满意度。高活跃用户则受益于一种寻求风险的上置信界（UCB）策略，该策略鼓励探索并拓宽内容多样性。这种感知置信度的做法已在一个主要的直播平台上得到验证，在关键指标上显示出显著的改进。
-
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。