跳到正文
/阅读与研究

外观

快速抵达

↑ ↓ 选择 · Enter 打开 · Esc 关闭MyHOT
原文
Hugging Face · 每日论文· 媒体 / 作者来源·精选

Think Harder Where It Matters: Item-Level Adaptive Recursion for Sequential Recommendation

原文标题

Think Harder Where It Matters: Item-Level Adaptive Recursion for Sequential Recommendation

AI 导读

研究提出LoopRec方法,针对序列推荐系统中不同项目计算需求不均匀的问题,引入轻量级门控机制实现项目级自适应递归。该方法将固定全局深度转化为学习到的每项属性,在四个骨干架构的公共基准测试中,一致优于固定深度对应模型。分析显示,低频项和近期交互自然获得更深计算。

来源:Hugging Face · 每日论文 · arxiv.org

导读与选稿说明

LoopRec通过项目级自适应递归优化序列推荐计算效率,提升推荐质量,适用于各类推荐系统架构。

导读由模型辅助整理,非独立核验。完整信息见原文。