logo móvil
Contáctanos

Rgmeta: mejorando las recomendaciones de inicio en frío con un modelo de meta-incrustación de gráficos residuales

Autores: Zhao, Fuzhe; Huang, Chaoge; Xu, Han; Yang, Wen; Han, Wenlin

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Rgmeta: mejorando las recomendaciones de inicio en frío con un modelo de meta-incrustación de gráficos residuales


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Modelos de recomendación tradicionales
Meta-aprendizaje
Problema de inicio en frío
Modelos de meta-incrustación
Información del usuario

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 35

Citaciones: Sin citaciones


Descripción
Los modelos de recomendación tradicionales se enfrentan a desafíos como la escasez de referencias de usuarios o elementos similares y la dispersión de datos, lo que hace que el problema de inicio en frío sea particularmente formidable.

Otros recursos que podrían interesarte

Temas Virtualpro