Recommendation Systems

8 items

RESEARCHarXiv CS.CL·vor 20Std

GraphLoRA: Structure-Aware Low-Rank Adaptation for Large Language Model Recommendation

GraphLoRA schlägt ein neuartiges Framework für die Empfehlung mittels großer Sprachmodelle (LLMRec) vor, das strukturelle Informationen mit textueller Semantik integriert. Dies wird durch die Einbettung eines trainierbaren Graphen-Nachrichtenübertragungsnetzwerks in den Low-Rank-Adaptationspfad erreicht, wodurch die kollaborative Topologie Parameter-Updates explizit steuern kann.

Low-Rank Adaptation Graph Neural Networks Recommendation Systems AI Research

ARTICLEDEV.to AI·vor 6T

Counterfactual Evaluation in Ads: IPS, SNIPS, and Doubly Robust Explained

Ein Towards AI-Artikel erklärt kontrafaktische Bewertungsmethoden (IPS, SNIPS und Doubly Robust) für Anzeigen-Ranking-Modelle. Diese Techniken schätzen die Modellleistung aus protokollierten Daten ohne A/B-Tests, was für Empfehlungssysteme im Einzelhandel entscheidend ist.

ad ranking machine learning A/B testing counterfactual evaluation

ARTICLEDEV.to AI·4/21/2026

AI-Powered Property Matching for Real Estate Platforms in 2026 (50% Cost Reduction Guaranteed)

Der Inhalt beschreibt, wie KI Immobilienplattformen revolutionieren kann, indem sie hochgradig personalisierte Immobilienempfehlungen anstelle generischer Filter bietet. Dieser Ansatz reduziert die kognitive Belastung der Käufer, führt zu höheren Konversionsraten und verspricht eine Kostensenkung von 50 % bis 2026.

user experience business strategy AI Recommendation Systems

RESEARCHDEV.to AI·4/26/2026

RecoGym: A Reinforcement Learning Environment for the problem of ProductRecommendation in Online Advertising

RecoGym ist eine Reinforcement-Learning-Umgebung, die entwickelt wurde, um Probleme der Produktempfehlung in der Online-Werbung zu simulieren. Sie bietet Forschern und Praktikern eine Plattform zum Testen und Entwickeln neuer RL-Algorithmen für Empfehlungssysteme.

Online Advertising reinforcement learning machine learning Simulation Environment

ARTICLEDEV.to AI·vor 9T

Will restructuring services guarantee inclusion in AI answers?

KI-Systeme bewerten Unternehmen für die Aufnahme in Antworten basierend auf Entitätsklarheit und strukturellen Signalen, nicht nur auf Größe oder Bekanntheit. Die Anpassung der digitalen Präsenz für die KI-Suche wird unerlässlich, da sich ihre Empfehlungsfaktoren vom traditionellen SEO unterscheiden und die Kluft wächst.

AI optimization SEO digital presence Recommendation Systems

RESEARCHarXiv CS.AI·4/15/2026

WiseOWL: A Methodology for Evaluating Ontological Descriptiveness and Semantic Correctness for Ontology Reuse and Ontology Recommendations

WiseOWL schlägt eine systematische Methodik mit Bewertung und Anleitung zur Auswahl wiederverwendbarer Ontologien vor, die die Herausforderung inkonsistenter Auswahlkriterien angeht. Es bewertet vier Schlüsselmetriken – Dokumentation, Ausrichtung von Label und Definition (mithilfe modernster Embeddings), Vernetztheit und hierarchisches Gleichgewicht – und liefert normierte Scores sowie umsetzbares Feedback.

Ontology Reuse Ontology Evaluation machine learning Semantic Web

RESEARCHarXiv CS.AI·vor 27T

A Cascaded Generative Approach for e-Commerce Recommendations

Diese Forschung stellt einen kaskadierten generativen Ansatz für E-Commerce-Empfehlungen vor, um die Starrheit aktueller personalisierter Schaufenstersysteme zu überwinden. Sie zerlegt die Schaufensterkonstruktion in generative Aufgaben zur Themen- und Schlüsselwortgenerierung und nutzt Lehrer-Schüler-Feinabstimmung für die Skalierbarkeit.

personalization machine learning e-commerce Recommendation Systems

RESEARCHDEV.to AI·4/26/2026

Scalable Recommendation with Poisson Factorization

Diese Forschung untersucht eine Methode zur Erstellung skalierbarer Empfehlungssysteme mittels Poisson-Faktorisierung. Der Schwerpunkt liegt auf der Optimierung des Faktorisierungsprozesses für die effiziente Verarbeitung großer Datensätze.

machine learning factorization methods Recommendation Systems