long-tail items | BriefGPT - AI 论文速递

关键词long-tail items

搜索结果 - 7

推荐系统中的流行度偏差调查
推荐系统中普遍存在的流行度偏差问题，导致推荐结果集中在热门物品，本文回顾了流行度偏差的潜在原因和现有方法，并批判性地讨论了当前文献的局限性。
PDFa year ago
MM多源增强的剧集发现推荐
本研究利用经典的 Two-Tower 模型，引入多源增强对比学习框架（MSACL）用于增强推荐系统中的项嵌入学习，以解决历史交互数据稀疏、长尾项过多、冷启动问题等方面的挑战，并成功应用于真实的播客推荐数据集中，有效地提高了用户播客探索和冷启
PDFa year ago
重新思考缺失数据：基于本质不确定性感知的推荐
本文提出了一种新的建议模型框架，称为 Aleatoric Uncertainty-aware Recommendation (AUR)，该框架可以改善建议模型中长尾项目的推荐性能，该框架对遗漏数据进行了建模处理并通过不确定性估计器进行建议。
PDF2 years ago
基于用户的推荐系统流行度偏差评估
本论文提出了一种新的度量方法以及一种后征的算法来缓解推荐系统中热门偏执的问题，该方法在不同用户的角度下提供了更准确的度量，实验结果表明现有的解决方案还不能很好地处理用户对热门推荐物品的容忍度。
PDF3 years ago
SIGIR利用非展现项进行判别域自适应以提高长尾性能的 ESAM
本文提出了一个基于 ESAM 的域适应模型来解决样本选择与长尾问题，将展示和未展示的物品分别作为源领域和目标领域，通过设计属性相关性对齐和引入两种有效的正则化策略来提高 DA 进程，实验表明 ESAM 在提高了长尾空间的性能方面取得了最新的
PDF4 years ago
NISER: 处理流行度偏差的标准化物品和会话表示法
该研究针对基于会话的推荐模型存在的流行度偏向问题，提出使用规范化嵌入表示方法，结合图神经网络来更好地支持复杂的推荐场景，实验证明效果显著。
PDF5 years ago
推荐系统中流行度偏差的不公平性
研究推荐系统的流行度偏见问题，从用户的角度出发，通过对用户兴趣的分类（利基、多样性和网红聚焦）和对电影数据集的实验结果显示，即使用户对长尾和不受欢迎的项目感兴趣，许多推荐算法在推荐中仍然极度集中于流行项目，出现极端的偏见差异。
PDF5 years ago