Informatique - Recherche d'informations

Explore l'importance des mesures de sécurité dans les systèmes de recommandation.

Une nouvelle architecture pour améliorer l'équité dans les processus de recommandation.

Découvre comment de nouvelles approches améliorent l'expérience utilisateur dans les systèmes de recommandation.

Ce système aide les assistants virtuels à mieux comprendre les préférences des utilisateurs.

Découvre comment la recherche personnalisée améliore les résultats pour s'adapter aux besoins de chaque utilisateur.

Des recherches montrent qu'un entraînement musculaire efficace utilise moins de documents pertinents dans la fusion de données.

Une nouvelle méthode améliore les recommandations de produits en utilisant à la fois des infos visuelles et textuelles.

Les systèmes de recommandation multimédia aident les utilisateurs à trouver du contenu sur mesure dans un monde numérique.

Un aperçu complet de l'hallucination dans l'IA et son impact sur la précision.

Une expérience de musique live unique qui mélange interaction avec le public et technologie.

La récupération de pixels permet une recherche d'images précise en se concentrant sur des pixels spécifiques.

Améliorer l’efficacité des revues systémiques grâce à des méthodes innovantes de génération de requêtes.

Ce projet analyse comment deux actions se déroulent ensemble dans des vidéos.

Analyser comment les systèmes de recommandation influencent notre consommation d'infos et la fragmentation qui en résulte.

Une méthode pour améliorer la reconnaissance des entités nommées dans les requêtes de recherche en chinois.

Examen des méthodes d'apprentissage actif pour améliorer la formation des classificateurs PLM avec des contraintes budgétaires.

Une méthode pour évaluer comment les médias décrivent les personnalités publiques.

Un cadre pour détecter les anomalies dans les logs en analysant les relations entre les événements.

Un nouveau cadre pour un parsing efficace de CV multilingues dans les processus de recrutement.

Une nouvelle méthode pour entraîner des systèmes de récupération de conversations avec peu de données.

iHAS améliore les prédictions et l'efficacité des systèmes de recommandation grâce à une sélection de dimensions sur mesure.

Un aperçu des recommandations par conversation utilisant un vrai dialogue pour de meilleures suggestions.

Explorer comment la technologie façonne nos expériences quotidiennes et nos possibilités futures.

MMEAD améliore le lien d'entité pour de meilleurs résultats de recherche dans la récupération d'informations.

Cette étude évalue quand les expansions améliorent ou nuisent à la performance de la recherche d'informations.

Une nouvelle méthode améliore la façon dont les services de streaming recommandent des films selon les genres.

Examen des lacunes de reproductibilité entre les graphes de connaissances et leur impact sur la recherche.

Des recherches montrent comment des étiquettes de position peuvent promouvoir des résultats de recherche diversifiés.

Un cadre pour améliorer la vie privée dans les systèmes de recommandation tout en garantissant des suggestions précises.

Un nouveau modèle améliore la recherche et les recommandations pour les utilisateurs avec peu de données.

Cette méthode améliore les recommandations tout en protégeant la vie privée des données des utilisateurs.

Explorer des façons efficaces de choisir des modèles de recherche dense pour des données non étiquetées.

Explorer la précision et la fiabilité des réponses de ChatGPT.

Cet article parle du biais de longueur de cadre dans la recherche texte-vidéo et d'une nouvelle méthode pour y remédier.

Cette recherche aborde l'équité dans les recommandations, en améliorant la visibilité des articles peu connus.

Découvre comment les LLM améliorent les systèmes de recommandation séquentielle pour des suggestions utilisateur au top.

Examen des métriques d'équité dans les mises en page de grille pour les systèmes de recommandation.

Un nouveau modèle améliore les recommandations en combinant texte, images et prix.

Cette recherche aborde le biais dans les systèmes de récupération de documents en utilisant des estimations d'incertitude.

D-Train propose une approche simple pour les défis d'apprentissage multi-domaines.