Zobrazeno 1 - 4
of 4
pro vyhledávání: '"Deng, Xiuqi"'
Autor:
Deng, Xiuqi, Xu, Lu, Li, Xiyao, Yu, Jinkai, Xue, Erpeng, Wang, Zhongyuan, Zhang, Di, Liu, Zhaojie, Zhou, Guorui, Song, Yang, Mou, Na, Jiang, Shen, Li, Han
Traditional recommender systems heavily rely on ID features, which often encounter challenges related to cold-start and generalization. Modeling pre-extracted content features can mitigate these issues, but is still a suboptimal solution due to the d
Externí odkaz:
http://arxiv.org/abs/2404.06078
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Deng X; Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai 201210, China.; University of Chinese Academy of Sciences, Beijing 100049, China., Bian X; Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai 201210, China., Li M; Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai 201210, China.
Publikováno v:
Sensors (Basel, Switzerland) [Sensors (Basel)] 2021 Dec 30; Vol. 22 (1). Date of Electronic Publication: 2021 Dec 30.
