К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 6 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 6 найденных, риска — весь корпус
Генеративные рекомендации 0Последовательные рекомендации 0Языковые модели и агенты 0Коллаборативные модели 0Оценка и причинность 6Объяснения и контроль 4Промышленные системы 1Кросс-домен и мультимодальность 1Реклама и рекомендации 0
Оценка, причинность и достоверность выводаJohannes Kepler University LinzСбросить фильтры

  1. Calibrating Recommendations on Ordinal Attributes

    Калибровка по упорядоченным атрибутам использует расстояния, учитывающие соседство значений. Эти меры становятся целью жадного реранжирования.

    Johannes Kepler University Linz, Albatross AI +1

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  2. Music Discovery Quality and the Value of Familiarity

    Качество музыкального открытия определяется последующими завершёнными и повторными прослушиваниями. Признаки знакомости артиста объединяются с представлениями для прогноза исхода.

    Johannes Kepler University Linz, Loria +3

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  3. Training seeds and model-selection stability in recommender-system evaluation

    При фиксированных данных и гиперпараметрах варьируется сид обучения. Анализ разделяет изменение метрики, победителя и состава рекомендаций.

    Aalborg University, Johannes Kepler University Linz +1

    #Оценка и причинность

    Публикация конференцииZotero ↗

  4. What price fairness? Evaluating Energy – Fairness – Accuracy Trade-off in Recommender Systems

    Работа сравнивает fairness-вмешательства внутри обучения, графа и готового списка. Качество и распределение экспозиции оцениваются вместе с энергозатратами.

    Johannes Kepler University Linz, ISISTAN, CONICET-UNCPBA

    #Объяснения и контроль#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  5. Cognitive Biases in Recommender Systems — материалы COBIS RecSys 2026

    Материалы COBIS связывают психологические механизмы с поведением рекомендательных систем. Слайды и практикум показывают, как отделять гипотезу об искажении от измерения алгоритма.

    Johannes Kepler University Linz, Linz Institute of Technology

    #Объяснения и контроль#Оценка и причинность

    Материалы tutorialZotero ↗

  6. Cognitive Biases in Recommender Systems

    План COBIS сопоставляет когнитивные эвристики с позиционными и популярностными смещениями. Темы связывают решения человека с проектированием и оценкой рекомендателей.

    Johannes Kepler University Linz, Linz Institute of Technology +2

    #Объяснения и контроль#Оценка и причинность

    Аннотация tutorialZotero ↗

RecSys2026

Разборы работ RecSys 2026 · обновлено 2026-10-16.