11:55
官方账号arXiv cs.LG@Hector J. Garcia, Nick Clayton
推荐理由：这篇论文提出了一种不用重训练就能实时更新用户嵌入的方法，用KP-tree存储偏好，在KuaiRec上只用1.8%数据就比ALS效果好，速度还快8倍。
无重训练
共 1 条相关 AI 资讯
7月17日
11:55
推荐系统两阶段架构中嵌入陈旧性是常见瓶颈：用户对新物品评分后，其嵌入需等待重训练循环才能更新。论文提出可变草图方法，用KP-tree（带求和聚合的稀疏线段树）存储用户偏好，仅需一次低秩投影就能在评分到达时动态重算嵌入。理论证明每新增观测值都会单调收紧预测误差范围（Theorem 1），这是FunkSVD和eALS不具备的保证。在KuaiRec数据集上，可变草图仅读取1.8%的数据就达到0.810 RMSE，而ALS使用100%数据为0.822，且每批更新速度提升8倍。新用户在首次评分后不到1毫秒即可获得个性化推荐，无需任何模型重训练。