-
REASONER数据集:推动可解释推荐领域的发展
REASONER数据集是一个新的可解释推荐数据集,能够广泛应用于可解释推荐、推荐系统纠偏以及基于心理学的推荐等领域。该数据集还附带了一个可解释推荐工具包,方便大家使用。- 329
- 0
-
-
POLY2模型在推荐算法中的应用及PyTorch实现
本文介绍了POLY2模型在推荐算法中的应用及PyTorch实现,通过引入多项式边界提高预测准确性,适用于协同过滤推荐算法,提供了简化的PyTorch代码示例。- 59
- 0
-
-
推荐系统基础:近邻指标与相似度度量
本文深入探讨推荐系统中常用的近邻指标,包括CN相似度、Jaccard相似度、Cosine相似度和Pearson相似度,以及它们之间的联系,帮助读者了解推荐系统的基础知识和相似度度量方法。- 425
- 0
-
ChatGPT在推荐系统中的潜力:初步研究
这篇文章初步研究了ChatGPT在推荐系统中的潜力,评估了其在不同推荐任务中的表现和潜力,揭示了其在解释生成和评论总结等任务中的优势。同时也提出了对于ChatGPT输出结果的修正和评估方法。- 313
- 0
-
深度学习和图神经网络对推荐系统的影响及其挑战
本篇文章讨论了深度学习和图神经网络对推荐系统的影响,以及现有推荐算法面临的挑战。同时介绍了利用大语言模型促进推荐算法表征学习的框架RLMRec,并分别基于对比式学习和生成式学习构建了RLMRec-Con和RLMRec-Gen两套范式。- 143
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!