PulseAugur
中
实时 11:36:51
实体 Probabilistic Residual Learning

Probabilistic Residual Learning

PulseAugur coverage of Probabilistic Residual Learning — every cluster mentioning Probabilistic Residual Learning across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. RESEARCH · CL_160753 ·

    新的概率残差学习增强推荐系统

    研究人员推出了一种新颖的因果贝叶斯推荐模型——概率残差学习（PRL），旨在增强现有的深度学习推荐系统。PRL通过关注真实值与基础预测之间的残差，解决了当前模型的复杂性和黑箱性质。该方法包括概率地对用户进行分组，对领域级混淆因素进行建模，并使用do-calculus聚合特定群组的预测。实验表明，PRL可以作为即插即用组件集成，以提高性能并识别有意义的用户群组。