Каталог
Найдено: 9 из 269 · теги в строках тоже фильтруют
Automated Selection-based Mixture-of-Experts with Dual-stage Input–Target Pattern Learning for Sequential Recommendation
Общий набор экспертов дополняется экспертами, выбираемыми отдельно для каждой истории. Бинарный гейт и последующее обучение связей входа с целью адаптируют вычисления к примеру.
Shenzhen University, Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)
Публикация конференцииZotero ↗
Residual Dominance as a Structural Account of Last-Item Reliance in Causal Self-Attention Recommenders
Перестановки истории и диагностика повторной рекомендации измеряют опору модели на последний товар. Анализ остаточных путей связывает этот эффект с устройством причинного self-attention.
Hokkaido University
Публикация конференцииZotero ↗
Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation
HSR моделирует интерес как диссипативную гамильтонову динамику. Линейное уравнение решается спектральным фильтром с обучаемым затуханием.
The Hong Kong University of Science and Technology
Публикация конференцииZotero ↗
RecRec: Latent Interests Recursive Reasoning for Sequential Recommendation
RecRec сжимает историю в набор латентных интересов. Рекурсивный блок уточняет их при замороженном основном энкодере.
University of Glasgow, Ohio State University +4
Публикация конференцииZotero ↗
Soft Curriculum Learning for Optimizing Fresh and Generalized Recommendations
Soft Curriculum меняет вес каждого примера по трудности и прогрессу обучения. Поток сохраняется полностью, а расписание постепенно меняет вклад сложных событий.
Google, Google YouTube
Публикация конференцииZotero ↗
Do Sequential Recommendation Benchmarks Really Require Higher-Order Sequence Modelling?
Capacity probes намеренно ограничены суммой попарных свидетельств без взаимодействий высшего порядка. Их огибающая проверяет, требует ли бенчмарк сложного последовательного моделирования.
Spotify
Публикация конференцииZotero ↗
More Test Users, More Overconfidence: Seed Variance in Sequential Recommender Tests
Разность метрик раскладывается на пользовательские и сидовые случайные эффекты. Анализ сравнивает неопределённость отдельных checkpoint с неопределённостью процедуры обучения.
AXXX (не раскрыто в источнике), AI Center +2
Публикация конференцииZotero ↗
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
Публикация конференцииZotero ↗
End-to-End User and Item Embeddings: Specializing Retrieval Representations for Ranking
Пользовательское состояние замороженного последовательного retrieval добавляется к признакам ранкера. Такой дизайн проверяет перенос полезного сигнала без адаптации самого энкодера.
Amazon Music
Публикация конференцииZotero ↗