Informatique - Recherche d'informations

Cet article présente un cadre pour mieux classer les fournisseurs de contenu en utilisant les retours des utilisateurs.

De nouvelles méthodes améliorent la rapidité et la pertinence pour trouver des parcours de voyage similaires des utilisateurs.

Découvrez comment la personnalisation transforme les expériences de recherche vidéo pour les utilisateurs.

Les robots améliorent leur performance sur les tâches grâce à la génération augmentée par récupération progressive.

PaperQA2 aide les chercheurs à rechercher dans la littérature et à détecter les erreurs.

Promptriever simplifie la récupération d'infos en suivant les instructions des utilisateurs.

Améliorer les expériences utilisateurs grâce à des systèmes de recommandation intégrés.

Une nouvelle méthode mélange des correspondances réelles et des prédictions pour de meilleures connexions pro.

GenCRF améliore la reformulation des requêtes de recherche pour une meilleure précision de l'intention utilisateur.

Attention-Seeker améliore l'extraction de phrases clés en utilisant des cartes d'attention provenant des modèles de langue.

VERA améliore la précision et la pertinence des réponses des modèles de langage.

Une méthode pour dénicher des sujets tendance sur Internet.

Une nouvelle méthode améliore l'efficacité de l'appariement entre freelances et projets à travers les langues.

Cette étude analyse la performance du modèle à deux tours face au biais dans le classement des documents.

Examiner le rôle et la précision des LLM dans la recherche juridique.

Flare combine filtrage collaboratif et basé sur le contenu pour des recommandations améliorées.

Examiner le rôle des LMM dans la transformation des capacités de recherche avec du texte et des images.

Cet article examine le biais d'exposition et ses effets sur les recommandations de contenu.

Explorer des méthodes efficaces pour identifier les caractéristiques des produits dans le e-commerce.

Une nouvelle méthode améliore la performance des modèles de langage en simplifiant les infos externes.

Améliore l'engagement des clients avec des promos ciblées qui respectent les limites de l'entreprise.

Un système qui suggère des produits de beauté en se basant sur les ingrédients et les besoins de ta peau.

SemDI améliore la précision pour identifier la causalité des événements en utilisant le contexte.

Explore des méthodes pour améliorer les prédictions d'engagement des utilisateurs grâce à l'augmentation des données.

Apprends à créer des graphes de connaissance efficaces pour des applis industrielles.

De nouvelles méthodes améliorent les grands modèles de langage grâce à un traitement de l'information plus efficace.

Apprends à évaluer les méthodes de clustering efficacement en utilisant différents critères.

BPR reste efficace pour suggérer des articles en fonction des préférences des utilisateurs.

Explorer le rôle des données synthétiques pour favoriser l'équité dans les algorithmes de recommandation.

De nouvelles méthodes améliorent les recommandations en utilisant des infos détaillées sur les utilisateurs et les objets.

Le pooling de tokens améliore le stockage des données tout en gardant la précision de récupération.

La méthode FLEX propose une nouvelle approche pour évaluer les systèmes texte-en-SQL de manière précise.

Un nouveau modèle améliore les embeddings de texte grâce à des stratégies d'apprentissage en contexte.

QualIT améliore l'analyse de texte en combinant des modèles de langue et des techniques de regroupement.

Une nouvelle étude élabore des modèles pour prédire les feux de forêt déclenchés par la foudre dans le monde entier.

Cette étude évalue différents modèles pour récupérer des infos cliniques de manière efficace.

Évaluer le rôle des modèles de langage dans les jugements de pertinence pour la recherche d'information.

EMERS aide les chercheurs à suivre la consommation d'énergie dans les systèmes de recommandation, en favorisant la sensibilisation à l'environnement.

Cette étude améliore l'extraction d'infos clés en utilisant un nouveau modèle pour des documents non structurés.

Examiner comment les systèmes de recommandation changent les préférences des utilisateurs au fil du temps.