arXiv Artificial Intelligence· Shreya Rajpal, Sonia Sharma, Swapnil Parekh, Lisa Li, Jeyendran Balakrishnan, Nagaraj Janardhana, Andrew Mattarella-Micke·· 3 小时前AI 评分31
Evidence Before Sampling：面向推荐系统的可解释隐式负样本候选发现
Evidence Before Sampling: Interpretable Implicit Negative Candidate Discovery for Recommendation
AI 导读
研究提出“隐式负样本候选发现”方法，用符号规则从已观测用户行为中筛出有证据支撑的未交互样本，并按支持度、信息量和产品相关性打分排序，再由 LLM 结合业务目标与领域知识解读规则。在工业 B2B 场景和五个公开推荐数据集上，候选质量精度高于所评估基线；工业任务中符号筛选使下游测试 PR-AUC 较随机选择提升 12.5%（每正样本四个负样本）。结果表明负样本候选有效性可与下游推荐性能分开评估。
来源：arXiv Artificial Intelligence · arxiv.org