实体
Recall@20
Recall@20
PulseAugur coverage of Recall@20 — every cluster mentioning Recall@20 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法使用代理搜索轨迹调整密集检索模型
研究人员开发了导航感知嵌入（NIE），一种利用代理搜索工作流中的轨迹来调整密集检索模型的新方法。该方法利用查询、检索和停止轨迹来微调已部署的模型，而无需新的相关性标签、合成查询或 LLM 判断。通过将停止文档视为正面示例并纳入先前的路径文档，NIE 显著提高了检索性能，在 BEIR HotpotQA 等基准测试中，Recall@20 提高了高达 5.8 个点，nDCG@10 提高了 1.9 个点。
-
LLM-MGCL通过整合语义和地理数据增强POI推荐 · 已追踪2个来源
研究人员开发了一种名为LLM增强的多图对比学习（LLM-MGCL）的新方法，以改进兴趣点（POI）推荐，特别是解决了交互数据有限的物品的冷启动问题。该方法将源自LLM生成的摘要和关键词的语义信息，以及地理数据，整合到多图神经网络中。在Yelp多模态推荐数据集上的实验表明，与现有方法相比，召回率和NDCG分数有了显著提高，凸显了LLM衍生的知识在增强推荐系统方面的有效性。
-
新型AI模型MORL-A2C在食品推荐中平衡健康与偏好
研究人员开发了MORL-A2C，这是一种用于增强个性化食品推荐系统健康度的新方法。该方法通过采用顺序决策策略来平衡用户偏好与营养健康，从而扩展了现有的MOPI-HFRS。MORL-A2C利用图神经网络和优势Actor-Critic算法对推荐进行重排，在健康度对齐方面取得了显著改进，同时仅略微降低了排名质量。研究还识别并纠正了MOPI-HFRS评估流程中的一个错误，确保了更准确的基线性能报告。