К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 4 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 4 найденных, риска — весь корпус
Контроль, объяснения и интересы участниковJohannes 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

  2. 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

  3. 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

  4. 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

RecSys2026

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