热点事件持续更新
研究人员提出面向交叉群体的公平推荐算法
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年11月2日，arXiv计算机科学板块发布的一篇论文提出面向交叉群体的公平推荐系统。该研究针对用户分属重叠群体的动态推荐场景，指出若在忽略群体信息的情况下推荐K≥1个物品，会导致线性总后悔问题。为此，研究人员提出了三种基于UCB的群体感知算法，包括具有次线性后悔保证的Intersection-Fitting算法，以及采用sleeping expert元学习器的Inner-Outer UCB和Group-Item UCB算法，以提升重叠交叉人群推荐的公平性与效率。
AI 根据报道生成 · 16 小时前更新
最新进展11月2日 13:00
研究提出三种基于UCB的群体感知推荐算法，以解决交叉群体动态推荐中的线性总后悔问题。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.LG面向交叉群体的公平推荐系统
研究针对用户分属重叠群体的动态推荐场景，提出三种基于 UCB 的群体感知算法，以解决忽略群体信息推荐 $K \geq 1$ 个物品时导致的线性总后悔问题。算法包括具次线性后悔保证的 Intersection-Fitting，以及采用 sleeping expert 元学习器的 Inner-Outer UCB 和 Group-Item UCB。
本事件热度走势
当前热度 6·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。