CTR 예측에서 장기 사용자 행동 모델링을 위한 다중 세분화 관심 검색 및 개선 네트워크
본 논문에서는 장기 사용자 행동 모델링에서 사용자의 다양한 관심사를 효과적으로 포착하고, 하위 시퀀스 내의 순차적 및 상호 작용 정보를 효율적으로 추출하여 CTR 예측 성능을 향상시키는 MIRRN(Multi-granularity Interest Retrieval and Refinement Network) 모델을 제안합니다.
대규모 언어 모델을 사용한 질의 생성에 대한 재현성 및 일반화 가능성 연구: ChatGPT 및 오픈 소스 모델 비교 분석
대규모 언어 모델(LLM)을 사용하여 체계적 문헌 고찰(SLR)을 위한 질의를 생성할 때 ChatGPT와 같은 모델의 성능이 기존 방법보다 우수하지만, 재현성 및 일반화 가능성 측면에서 여전히 개선의 여지가 있다.
표현 학습을 통한 대화형 제품 검색: 질문하는 법 배우기
본 논문에서는 사용자, 쿼리, 제품 및 대화의 표현 학습을 통합 생성 프레임워크에 통합하여 사용자가 원하는 제품을 효과적으로 찾을 수 있도록 지원하는 새로운 대화형 제품 검색 모델인 ConvPS를 제안합니다.
메모리 제약 환경에서 Dense Retriever를 위한 안정적이고 효율적인 그레디언트 축적 방법: CONTACCUM
메모리 제약 환경에서 Dense Retriever를 효율적으로 학습하기 위해 듀얼 메모리 뱅크 구조를 활용하는 새로운 그레디언트 축적 방법인 CONTACCUM을 제안하며, 이는 기존 방법 및 고성능 환경보다 우수한 성능과 안정성을 제공합니다.
LEADRE: 다면적 지식 강화 LLM 기반 디스플레이 광고 추천 시스템
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 사용자 의도를 정확하게 파악하고 비즈니스 목표에 부합하는 광고를 효율적으로 추천하는 LEADRE 프레임워크를 제안합니다.
온라인 소셜 네트워크 연구의 편향성: 데이터 접근성과 연구 주제의 불균형에 대한 고찰
온라인 소셜 네트워크 연구가 특정 플랫폼(트위터)과 주제에 편중되어 있으며, 실제 사용자 동향과의 괴리가 심화되고 있다.
학습된 유사도를 활용한 검색
본 논문에서는 검색 시스템에서 널리 사용되는 기존의 내적 기반 유사도 함수를 뛰어넘어, 향상된 표현력과 효율성을 제공하는 학습된 유사도 함수(MoL) 기반의 새로운 검색 기술을 제안합니다.
대규모 언어 모델의 관련성 평가를 통한 통계적 유의성에 대한 연구
대규모 언어 모델(LLM)을 활용한 정보 검색 시스템 평가에서 LLM 기반 관련성 판단이 인간의 판단과 비교하여 통계적 유의성 측면에서 유사한 결과를 보여주는지, 그리고 LLM 판단의 신뢰성과 공정성을 향상시키기 위한 과제는 무엇인지에 대한 연구 결과를 제시합니다.
유사 환경 이벤트의 시공간적 및 의미적 연관성 마이닝을 위한 대규모 언어 모델 발전
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 유사 환경 이벤트를 검색하고 추천하는 새로운 프레임워크를 제안하며, 이는 시공간적 연관성과 의미적 유사성을 모두 고려하여 기존 방식보다 정확하고 효율적인 이벤트 추천을 가능하게 합니다.
고밀도 검색은 언어의 부울 논리를 얼마나 이해할 수 있을까?: 새로운 벤치마크 데이터셋을 통한 심층 분석
고밀도 검색 모델이 텍스트 간의 관련성을 효과적으로 포착하지만, 부울 논리, 특히 NOT 연산자를 포함하는 쿼리에 대한 이해도는 여전히 제한적이며, 이는 특수 설계된 벤치마크 데이터셋인 BOOLQUESTIONS를 통해 검증되었다.
© 2024 by Linnk AI