会员服务
用户画像是真实用户的虚拟代表,是 建立在一系列真实数据(Marketing data,Usability data)之上的目标用户模型。通过用户调研去了解用户,根据他们的目标、行为和观点的差 异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,就形成了一个人物原型 。
4.5 Million (Suspected) Fake Stars in GitHub: A Growing Spiral of Popularity Contests, Scams, and Malware
Arxiv
0+阅读 · 12月18日
RALI@TREC iKAT 2024: Achieving Personalization via Retrieval Fusion in Conversational Search
Arxiv
0+阅读 · 12月11日
Lusifer: LLM-based User SImulated Feedback Environment for online Recommender systems
Arxiv
0+阅读 · 11月27日
Steering AI-Driven Personalization of Scientific Text for General Audiences
Arxiv
0+阅读 · 11月15日
Multi-trait User Simulation with Adaptive Decoding for Conversational Task Assistants
Arxiv
0+阅读 · 10月28日
Multi-trait User Simulation with Adaptive Decoding for Conversational Task Assistants
Arxiv
0+阅读 · 10月16日
Privacy-Enhanced Adaptive Authentication: User Profiling with Privacy Guarantees
Arxiv
0+阅读 · 10月27日
GenUP: Generative User Profilers as In-Context Learners for Next POI Recommender Systems
Arxiv
0+阅读 · 10月28日
End-to-end Training for Recommendation with Language-based User Profiles
Arxiv
0+阅读 · 10月24日
Personalized Prompt for Sequential Recommendation
Arxiv
0+阅读 · 10月9日
Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis
Arxiv
0+阅读 · 10月3日
Prompt-based Personality Profiling: Reinforcement Learning for Relevance Filtering
Arxiv
0+阅读 · 9月6日
Prompt Tuning as User Inherent Profile Inference Machine
Arxiv
0+阅读 · 8月13日
Transparent and Scrutable Recommendations Using Natural Language User Profiles
Arxiv
0+阅读 · 7月18日
A Survey of Retrieval Algorithms in Ad and Content Recommendation Systems
Arxiv
0+阅读 · 7月19日
参考链接
父主题
大数据相关应用
微信扫码咨询专知VIP会员
Top