هوش مصنوعی

پژوهشی تازه از بُعد زمان برای پاک‌سازی داده‌های توصیه‌گر استفاده می‌کند

پیش‌چاپی در arXiv می‌گوید روش‌های رایج پالایش تعاملات کاربران و کالاها، بُعد زمانی را نادیده می‌گیرند؛ مسئله‌ای که در داده‌های بازخورد ضمنی و تعاملات مخرب می‌تواند عملکرد مدل را تضعیف کند.

۱ دقیقه مطالعه
Fig. 1 : Visualization of learned weights of noisy edges. Left to right: Tint-A on ML-100K, Tint-A on Tmall, Tint-L on ML-100K, Tint-L on Tmall. Best viewed in color.
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشگران در پیش‌چاپ «Time Will Tell: Harness Time to Denoise Collaborative Filtering» به چالش داده‌های نویزی در سامانه‌های پیشنهاددهندهٔ مبتنی بر فیلتر مشارکتی گرافی می‌پردازند. به‌گفتهٔ چکیده، تعاملات نادرست یا تعاملاتی که کاربران مخرب ایجاد می‌کنند، ممکن است عملکرد مدل را به‌شدت کاهش دهند؛ این مشکل به‌ویژه در داده‌های مبتنی بر بازخورد ضمنی اهمیت دارد.

چکیده می‌گوید روش‌های پیشین برای شناسایی تعاملات نویزی، عمدتاً هم‌بستگی میان بازنمایی‌های کاربران و کالاها و تعاملات را بررسی می‌کنند و بُعد زمان را در نظر نمی‌گیرند. عنوان پژوهش بر استفاده از زمان برای پالایش داده‌ها تأکید دارد، اما متن در دسترس جزئیات روش یا نتایج آزمایش‌ها را ارائه نمی‌کند.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست