详细内容或原文请订阅后点击阅览
极其简单的图启发式揭示了顺序推荐的捷径可解决基准
顺序推荐是推荐系统的核心任务，最近的研究越来越多地转向利用顺序模式和语义项目信息的生成推荐器。然而，这些方法通常是在一小组广泛使用的基准上进行评估的。这就提出了一个自然的问题：这些基准测试实际上需要现代生成推荐器的高级建模功能吗？我们使用有意简单的图启发式进行基准审核：仅从最后一个或两个交互的项目开始，它从几跳项目转换图中检索候选者，并根据项目特征相似性对它们进行排名。令人惊讶的是，尽管它很简单，但这种启发式方法在各种流行的顺序推荐基准上匹配或优于一组广泛的现代基线。例如，与广泛使用的 Amazon Review Sports 和 CD 数据集上的最佳竞争基线相比，它的 NDCG@10 相对改进分别为 38.10% 和 44.18%。
来源:La Biblia de la IA🔘 关于此评论
这不是同行评审。没有检查任何证据，没有重复实验，没有验证结果。
审核的是对应性：文章主张的内容与其所提出的理由之间的距离。如果无法检查某些内容，则会进行说明。
建议阅读论文。
批评
第 1 单元 — 锚人及其支撑
文章数据。附录 A 指出，收集了 2022 年至 2026 年间发表的 94 篇提出或评估生成推荐方法的论文，这些论文来自主要推荐、信息检索、机器学习和数据挖掘场所以及 arXiv，代码存储库中提供了完整的论文标题列表。它没有说明搜索过程、查询或包含标准。图 1 报告了使用每个数据集的论文比例：Amazon Review，86.6%。图 4 报告了按地点和年份划分的分布情况。 3.3 节给出了存储库。
合并材料。文件 SURVEYED_PAPERS.md 存在并包含 94 个编号条目。它只记录标题：没有地点、没有年份、没有数据集、没有标识符、没有方法说明。该存储库没有声明自己的许可证，也没有声明它对应于文章的哪个版本。
Reading.图 1 按每个人使用的数据集对 94 进行分类；图 4 按地点和年份。文章指向的列表没有记录这三个字段。 86.6%是本文要回答的问题的前提。
关键结论。文章给出了数字和区间，并将列表引用到存储库。名单就在那里。文章、附录 A 和列表本身都没有包含计算该数字的分类。