本研究提出HARec框架,旨在解决现代推荐系统中用户接触多样内容的限制。通过在双曲空间中对齐用户-物品协同信息与文本描述,实现探索与利用的平衡。研究结果表明,HARec在效用和多样性方面显著优于现有方法,具有重要的实用价值。
该文综述多元信息分解研究,提出测量共享、独特与协同信息的新方法,可准确量化多变量对单一结果的协同效应,并证明独立预测因子可含积极冗余信息。研究还给出高斯系统PID、冗余格及信息筛等扩展方法,应用于神经成像与高维学习。
完成下面两步后,将自动完成登录并继续当前操作。