Computerwissenschaften - Informationsbeschaffung

EOR einführen, um die Fairness in Rankingsystemen für unterschiedliche Kandidatengruppen zu verbessern.

Drifter verbessert die Datenqualität für Empfehlungssysteme durch Echtzeitüberwachung und Benachrichtigungen.

CRUISE-Screening vereinfacht den Literaturüberblick für Forscher.

OutRank verbessert das Ranking von Features für bessere Empfehlungen und schnellere Modellsuchen.

Untersuchen, wie ccTLDs die lokale Präsenz im Web beeinflussen.

Die Sprachsuche entwickelt sich weiter und verbessert die Spracherkennung, um die Nutzererfahrung zu optimieren.

ReOnto kombiniert maschinelles Lernen und Ontologien, um die Beziehungsextraktion in biomedizinischen Texten zu verbessern.

Diese Methode verbessert Empfehlungen, indem sie Nutzerpräferenzen über verschiedene Bereiche hinweg verknüpft.

Die Notwendigkeit von Fairness in personalisierten Empfehlungssystemen erkunden.

Dieser Artikel untersucht Vorurteile in konversationellen Empfehlungssystemen und deren Einfluss auf das Nutzererlebnis.

Verbesserung der Fairness bei Artikelempfehlungen durch dynamische Analysen und neue Methoden.

Ein neues Modell verbessert personalisierte Vorschläge für interessante Orte basierend auf dem Nutzerverhalten.

Ein neues Modell verbessert Empfehlungen, indem es unterschiedliche Nutzerverhalten analysiert.

Eine Studie über koreanische Volkslieder mit modernen Analysemethoden.

Diese Studie analysiert, wie gut ChatGPT Empfehlungen in verschiedenen Bereichen geben kann.

Eine Studie zur Verbesserung der Datenabruf durch Glossarabgleich.

CERP optimiert den Speicherverbrauch in Empfehlungssystemen, ohne die Genauigkeit zu verlieren.

GCO ist ein Verfahren, das Anzeigenvisuals mithilfe von Nutzerinteressen verbessert, um die Interaktion zu steigern.

Eine Studie zur Verbesserung der Fairness bei Online-Empfehlungen für bessere Nutzererlebnisse.

Erforschen von Datenaugmentierungstechniken zur Verbesserung von Conversational AI-Systemen.

Erläutere die Bedeutung von Sicherheitsmassnahmen in Empfehlungssystemen.

Eine neue Architektur, die darauf abzielt, Fairness in Empfehlungsprozessen zu verbessern.

Entdecke, wie neue Ansätze das Nutzererlebnis in Empfehlungssystemen verbessern.

Dieses System hilft virtuellen Assistenten, die Vorlieben der Nutzer besser zu verstehen.

Entdecke, wie personalisierte Suche die Ergebnisse an die individuellen Bedürfnisse der Nutzer anpasst.

Forschung zeigt, dass effektives Gewichtstraining mit weniger relevanten Dokumenten in der Datenfusion funktioniert.

Eine neue Methode verbessert Produktempfehlungen, indem sie sowohl visuelle als auch textuelle Informationen nutzt.

Multimedia-Empfehlungssysteme helfen Nutzern, massgeschneiderte Inhalte in einer digitalen Welt zu finden.

Ein umfassender Blick auf Halluzinationen in KI und deren Auswirkungen auf die Genauigkeit.

Ein einzigartiges Live-Musikerlebnis, das Publikumsinteraktion und Technologie verbindet.

Pixelabruf bietet eine präzise Bildsuche, indem es sich auf bestimmte Pixel konzentriert.

Effizienz bei systematischen Reviews durch innovative Abfrage-Methoden steigern.

Dieses Projekt analysiert, wie zwei Aktionen in Videos zusammen ablaufen.

Analysieren, wie Empfehlungssysteme unseren Nachrichtenkonsum beeinflussen und die daraus resultierende Fragmentierung.

Eine Methode zur Verbesserung der Erkennung von benannten Entitäten in chinesischen Suchanfragen.

Untersuchung von aktiven Lernmethoden zur Verbesserung des PLM-Ranking-Trainings unter Budgetbeschränkungen.

Eine Methode, um zu beurteilen, wie Medien öffentliche Personen darstellen.

Ein Framework zur Erkennung von Log-Anomalien durch die Analyse von Beziehungen zwischen Ereignissen.

Ein neues Framework für effizientes mehrsprachiges Lebenslauf-Parsing in Einstellungsprozessen.

Eine neue Methode zum Training von Gesprächsabrufsystemen mit begrenzten Daten.