实体
ML-100K
ML-100K
PulseAugur coverage of ML-100K — every cluster mentioning ML-100K across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架使推荐系统能够适应用户意图漂移
研究人员推出了一种名为CGM-Rec的新型框架，旨在通过适应不断变化的用户意图来增强推荐系统。与将知识图谱视为静态的传统系统不同，CGM-Rec将图谱视为可写内存。它采用语义图记忆来保持稳定的知识，并采用情景学习记忆来记录近期结果和失败案例。这种方法允许通过内存写入进行适应，而无需更改模型参数，在各种推荐场景中显示出优于现有基于神经网络和LLM的基线方法的显著改进。
-
新的LLM框架集成知识图谱以增强推荐系统
研究人员开发了LlamaRec-LKG-RAG，一个通过集成知识图谱来增强大型语言模型（LLM）推荐系统的新框架。该方法超越了简单的基于相似度的检索，利用了用户-物品交互的关系结构。该框架使用经过微调的Llama-2模型，并结合了从用户行为和物品元数据派生的个性化子图，从而实现更高效、更具可解释性的推荐。在基准数据集上的实验表明，与现有方法相比，排名指标有所提高。