PaperFlow:面向每日论文流的个性化推荐框架

PaperFlow: Profiling, Recommending, and Adapting Across Daily Paper Streams

精选理由

做学术推荐系统或信息检索的团队,终于有了一个能处理每日动态兴趣变化的框架,PaperFlow 的纵向基准和盲评协议可以直接复用。

AI 摘要

论文推荐通常被当作静态排序问题,但科研阅读是每日动态过程,兴趣会变化、反馈会积累。PaperFlow 提出三阶段框架:Profiling 从异构冷启动证据构建结构化用户画像;Recommending 在固定展示预算下对每日论文流进行多信号聚合排序;Adapting 根据语义不同的反馈信号更新用户状态并建模兴趣漂移。研究还构建了包含 24 个模拟用户、50 天论文流、1200 个用户-天片段的纵向基准,并设计了盲人评估协议。实验表明 PaperFlow 在基于 oracle 的排序、模拟阅读行为对齐和盲人评估上均优于五个基线。

AI 翻译 · 中文

论文推荐通常被当作静态排序问题,但科研阅读是每日动态过程,兴趣会变化、反馈会积累。PaperFlow 提出三阶段框架:Profiling 从异构冷启动证据构建结构化用户画像;Recommending 在固定展示预算下对每日论文流进行多信号聚合排序;Adapting 根据语义不同的反馈信号更新用户状态并建模兴趣漂移。研究还构建了包含 24 个模拟用户、50 天论文流、1200 个用户-天片段的纵向基准,并设计了盲人评估协议。实验表明 PaperFlow 在基于 oracle 的排序、模拟阅读行为对齐和盲人评估上均优于五个基线。

arXiv cs.AIScientific paper recommendation is typically evaluated as static ranking over a fixed candidate set, yet real scientific reading unfolds as a daily, longitudinal process in which interests shift and feedback accumulates.