RecommenderSystems

🔅 هوش مصنوعی رایگان #NotebookLM گوگل که توسط مدل پیشرفته Gemini 1.5 Pro Google ارائه شده، برای ساده‌سازی فرآیند تحقیق و یادداشت‌برداری طراحی شده است. (https://notebooklm.google.com/) این ابزار از داده‌های شخصی کاربر برای آموزش استفاده نمی‌کند و تمام اطلاعات حساس وی را خصوصی و محرمانه نگه می‌دارد مگر آن که وی بخواهد آن‌ها را به اشتراک گذارد. کاربر می تواند با سوال و جواب از NotebookLM فایل و مقالات تحقیقاتی خود را در آن آپلود کرده و از آن سوال بپرسد، خلاصه فایل و یا محتوای دیگری مرتبط با موضوع، ایجاد کرده و حتی فایل صوتی و پادکست برای یادگیری درست کند 🔅 در ادامه کمپانی #Meta نسخه متن باز این ابزار را به اسم NotebookLlama ارایه داده است که کاربر می تواند فایل هایpdf خود را در چهار مرحله به پادکست صوتی تبدیل کند: مرحله 1: پیش‌پردازش PDF: با استفاده از مدل Llama-3.2-1B-Instruct، فایل های PDF را پیش‌پردازش کرده و آن را به صورت فایل .txt ذخیره می کند. مرحله 2: نگارش transcript: با استفاده از مدل Llama-3.1-70B-Instruct، کاربر می تواند رونوشت پادکست را از متن بنویسد. مرحله 3: بازنویسی دراماتیک: با استفاده از مدل Llama-3.1-8B-Instruct، رونوشت را دراماتیک‌تر کند. مرحله 4: تبدیل متن به گفتار: با استفاده از parler-tts/parler-tts-mini-v1 و bark/suno، یک پادکست گفتگو محور تولید کند. #هوش_مصنوعی #ابزار_پژوهش #ابزار_جستجو #پژوهش #ابزار #مقاله_نویسی #مقاله #AI #Artificial_Intelligence #Research #Tools #ResearchTools #Research_Tools #Meta #NotebookLlama #AI_Tools #ChatGPT #Best #BestTools #Best_Tools @Recommender_Systems

Leveraging LLMs to Enhance a Web-Scale Webpage Recommendation System 🔗 https://earl-workshop.github.io/pdf/recsys2024-workshops_paper_29.pdf Abstract: Explore Further @ Bing is a webpage-to-webpage recommendation product, enhancing the search experience on Bing by surfacing engaging webpage recommendations tied to the search result URLs.In this paper, we present our approach for leveraging Large Language Models (LLMs) for enhancing our web-scale recommendation system. We describe the development and validation of our LLM-powered recommendation quality metric RecoDCG. We discuss our core techniques for utilizing LLMs to make our ranking stage quality-aware. Furthermore, we detail Q' recall, a recall path that enhances our system's candidate generation stage by leveraging LLMs to produce complementary and engaging recommendation candidates. We also address how we optimize our system for multiple objectives, balancing recommendation quality with click metrics.We deploy our work to production, achieving a significant improvement in recommendation quality. We share results from offline and online experiments as well as insights and steps we took to ensure our approaches scale effectively for our web-scale needs. Keywords: Large Language Models, Quality, Ranking, Recall, Multitask, Large Scale Recommender System ACM Reference Format: Iman Barjasteh*, Jaidev Shah*, Amey Barapatre*, Rana Forsati*, Gang Luo and Fan Wu, Julie Fang, Xue Deng, Blake Shephard, Ronak Shah, Linjun Yang, Hongzhi Li, Rangan Majumder. 2024. Leveraging LLMs to Enhance a Web-Scale Webpage Recommendation System. In Proceedings of EARL ’24: Workshop on Evaluating and Applying Recommendation Systems with Large Language Models at RecSys ’24. ACM, New York, NY, USA, 10 pages. https://doi.org/XXXXXXX.XXXXXXX #Leveraging #LLMs #LLM #Enhance #WebScale #Web_Scale #Web #Scale #Webpage #LargeLanguageModels #Large_Language_Models #Large #Language #Models #Quality #Ranking #Recall #Multitask #LargeScale #ACM @Recommender_Systems

✅دریافت رایگان مقالات و پایان نامه های لاتین از سایت NDLTD http://www.ndltd.org/resources ✅دسترسی به متن حدود ۲ میلیون پایان نامه از ۸۰ دانشگاه جهان http://oatd.org ✅پایان نامه های موسسه تکنولوژی ماساچوست ( MIT) http://dshttp://dspace.mit.edu/advanced-search ✅دانشگاه تگزاس ( TEXAS) http://oaktrust.library.tamu.edu/discover ✅لیست تعدادی از پایان نامه های رایگان در کتابخانه دانشگاه ویلیامز http://library.williams.edu/theses ✅پایان نامه های رایگان سایت پروکوئست http://pqdtopen.proquest.com/search.html ✅دسترسی رایگان به پایان نامه های دانشگاه های کانادا http://amicus.collectionscanada.gc.ca/thesescanada-bin/Main/AdvSearch?coll=18&l=0&v=1 دسترسی به مجموعه بی نظیر از آموزش های دانشگاهی: @wikiresearchtools ✅تحقیقات و پژوهش های انجام شده تمام متن در دانشگاه هلسینکی http://helda.helsinki.fi/advanced-search ✅دانلود بیش از 80 میلیون مقاله و پایانه نامه رایگان http://freefullpdf.com ✅دانشگاه اهايو https://etd.ohiolink.edu/ap:1:100766165341125 florida: http://etd.lib.fsu.edu/ETD-db/ ✅دسترسي به متن کامل پايان نامه هاي 435 دانشگاه از24 کشور اروپايي http://www.dart-europe.eu/basic-search.php ✅دسترسي رايگان به بانک مقالات دانشگاه کاليفرنيا http://escholarship.org/ ✅دسترسي رايگان به بانک مقالات دانشگاه TENNESSEE http://www.lib.utk.edu:90/cgi-perl/dbBro...i?help=148 ✅دسترسي رايگان به 1,550,632 مقاله ي دانشگاهي http://www.oalib.com/ ✅دسترسي به پايان نامه هاي الکترونيکي دانشگاه ناتينگهام http://etheses.nottingham.ac.uk/ ✅دسترسي رايگان به کتاب ها و ژورنال هاي سايت In Tech http://www.intechopen.com/ ✅دسترسي رايگان به مقالات علمي — دانشگاه McGill http://digitool.library.mcgill.ca/R ✅دسترسي رايگان به مقالات علمي — مقالات 1753 ژورنال-— دانشگاه استنفورد http://highwire.stanford.edu/ Directory of Open Access Journals http://www.doaj.org/ ✅دسترسي به مقالات و متون علمي پايگاهof Sciences ايالت متحده ي آمريکا Proceeding of the National Academy http://www.pnas.org/ 🔅 معرفی چند سایت‌ برای دسترسی رایگان به منابع علمی 🔅 جستجوی رایگان و دانلود پایان نامه ها و مقالات خارجی 🔅 موتور جستجو رایگان برای دانلود مقاله و پایان‌نامه 🔅 دانلود پایان نامه های دانشگاه کارولینای شمالی در مقطع ارشد و دکترا در همه رشته ها 🔅 موتور جستجو مقالات تحقیقاتی #ابزار_پژوهش #ابزار_جستجو #Search #SearchTools #Index #Engine #SearchEngine #Search_Engine #Free #Open_Access #OpenAccess #Dissertations #Thesis #Theses #Dissertation #Paper #Research #Research #Tools #ResearchTools #Research_Tools #Journal #FreeAccess #Free_Access #Academic @Recommender_Systems

🔅 دوره رایگان پایتون از سیسکو ▫️Python Essentials 1 https://netacad.com/courses/python-essentials-1?courseLang=en-US ▫️Python Essentials 2 https://netacad.com/courses/python-essentials-2?courseLang=en-US #Learn #Python #LearnPython #Learn_Python #Examples #Tutorial #Tutorials #PythonProgramming #Essentials #Courses ▫️2024 Learn Python with Examples ✅مجموعه یادگیری و آموزش پایتون @Recommender_Systems

🔅 موتور جستجو مقالات تحقیقاتی ▫️science.gov ▫️search.worldcat.org ▫️researchgate.net ▫️core.ac.uk ▫️link.springer.com ▫️base-search.net ▫️refseek.com ▫️consensus.app ▫️jstor.org ▫️جستجوی رایگان و دانلود پایان نامه ها و مقالات خارجی ▫️ موتور جستجوی core discover حاوی میلیون ها مقاله (یکی از بزرگترین بانک مقالات دسترسی آزاد) است که در آن امکان جستجو بر اساس رشته وجود دارد ▫️موتور جستجو دسترسی رایگان به 5727640 مقاله علمی #ابزار_پژوهش #ابزار_جستجو #Search #SearchTools #Index #Engine #SearchEngine #Search_Engine #Free @Recommender_Systems

🔅 Machine Learning Course Computer Engineering Department, Sharif University of Technology 🔅 به تمامی منابع دوره یادگیری ماشین شریف از جمله اسلایدها، ژوپیتر نوت‌بوک‌ها، تمرین‌ها و محتوای ترم‌های گذشته از طریق گیت‌هاب دسترسی داشته باشید. https://github.com/SharifiZarchi/Introduction_to_Machine_Learning/?tab=readme-ov-file#machine-learning-course You can access the slides, Jupyter notebooks, and exercises for the "Introduction to Machine Learning" course for the Fall 2024 (1403) semester. Please note that the content is still under construction and will be updated throughout the semester. Course materials from previous semesters are available in the "Previous Semesters" section. Class videos and other information are available at: www.SharifML.ir #شریف #یادگیری_ماشین #Sharif #University #Technology #Video #Tutorials #Tutorial #Machine_Learning #MachineLearning #ML #OCW #Slides @Recommender_Systems

🔅 120 ابزار هوش مصنوعی ▫️ابزارهای رایگان هوش مصنوعی برای پژوهشگران ▫️ ابزارهای هوش مصنوعی برای یادگیری و بهبود و افزایش مهارت های زبان انگلیسی ▫️ برخی از ابزارهای هوش مصنوعی برای تحقیق و پژوهش که به محققان کمک می‌کنند تا داده‌ها را تحلیل، الگوها را شناسایی کرده و نتایج را بهبود بخشند ▫️مقاله نویسی با استفاده از هوش مصنوعی ▫️بهترین های هوش مصنوعی برای پژوهشگران ▫️ ابزارهای مورد نیاز خود را از این موتور جستجوی هوش مصنوعی پیدا کنید ▫️Best AI Tools For Research Paper Writing 2024 ▫️The AI tool cheat sheet ▫️Here are the best AI tools to transform your studies and research #Research_Tools #Tools #Research #ResearchTools #AI_Tools #AiTools #Best #BestTools #Best_Tools #ArtificialIntelligence #Artificial_Intelligence #AI @Recommender_Systems

🔬📊 Classification Metrics in data science! 🎉 📚 Classification metrics are essential tools in evaluating the performance of machine learning models, enabling us to measure how well our models classify and predict different classes. Let's dive into a few important metrics: ✅ Accuracy: It measures the proportion of correct predictions out of the total predictions made by the model. Accuracy is a common metric, but it may not provide a complete picture when dealing with imbalanced datasets. 🎯 Precision: Precision represents the proportion of correctly predicted positive instances out of all instances predicted as positive. It helps us understand the model's ability to avoid false positives. 🔎 Recall (Sensitivity/True Positive Rate): Recall measures the proportion of correctly predicted positive instances out of all actual positive instances. It is crucial for identifying false negatives and understanding the model's ability to capture all positive cases. 💯 F1 Score: The F1 score is a harmonic mean of precision and recall. It balances both metrics and provides a single value to evaluate the model's performance, especially when precision and recall have different priorities. 📈 ROC AUC: Receiver Operating Characteristic (ROC) curve and Area Under the Curve (AUC) are used to evaluate binary classification models. The ROC curve plots the true positive rate against the false positive rate, and the AUC represents the overall performance of the model. It's useful for comparing different models and setting an appropriate decision threshold. 🚦 Confusion Matrix: A confusion matrix provides a tabular representation of the model's predictions compared to the actual class labels. It includes True Positives, True Negatives, False Positives, and False Negatives, allowing us to analyze the model's performance in detail. Let's harness the power of these classification metrics to fine-tune our models and improve their performance! 📈💪 ✅ Related Subjects: ▫️ Model Evaluation ▫️ 2015 Survey on Evaluation of Recommender Systems ▫️ 2014 Dimensions and Metrics for Evaluating Recommendation Systems #DataScience #MachineLearning #ClassificationMetrics #MetricsMatter #DataAnalytics #PerformanceEvaluation #ModelEvaluation #DataDrivenDecisions #Data_Science #Machine_Learning #ML #Classification_Metrics #Metrics #Data_Analytics #Performance #Evaluation #Model #Model_Evaluation #Data_Driven_Decisions #DS @Recommender_Systems

2024 Enhanced side information fusion framework for sequential recommendation Abstract: The fusion of side information in sequential recommendation (SR) is a recommendation system technique that combines a user’s historical behavior sequence with additional side information to provide more accurate personalized recommendations. Recent methods are based on self-attention mechanisms, incorporating side information as part of the attention matrix to update item representations. We believe that the integration method via self-attention mechanisms does not fully utilize side information. Therefore, we designed a new Enhanced Side Information Fusion framework (ESIF) for sequential recommendations. Specifically, we have altered the fusion strategy by using an attention matrix to simultaneously update the representations of items and side information, thereby increasing the use of side information. The attention matrix serves to balance various features, ensuring effective utilization of side information throughout the fusion process. We designed a Gated Linear Representation Fusion Module, comprising linear transformations and gated units. The linear transformation processes the input data, while the gated unit dynamically adjusts the degree of information flow based on the input. This module then combines the updated item representation with the side information representation for more efficient use of side information. Additionally, user interaction behavior data inevitably contains noise. The presence of noise can disrupt the model’s performance, affecting the accuracy and reliability of the results. Therefore, we introduced a denoising module in ESIF to enhance recommendation accuracy by reducing noise. Our experimental results demonstrate that ESIF achieves superior performance across five real-world datasets, surpassing the current state-of-the-art side information fusion SR models. #Sequential #Denoising #Attention #AttentionMechanism #Attention_Mechanism #Fusion @Recommender_Systems

🔅 شبکه اجتماعی برای بحث در مورد مقالات arXiv https://www.alphaxiv.org ✅ For any paper, change arxiv.org -> alphaxiv.org #arXiv #Discussion #Open #Research #Top #Tools @Recommender_Systems

2024 Learn Python with Examples 🔅 مجموعه یادگیری و آموزش پایتون 🔅 ▫️ آموزش تصویری پایتون ▫️2024 Python Advanced Programming ▫️2024 Python for Artificial Intelligence A Comprehensive Guide ▫️Mastering Python Important Notes #Learn #Python #Examples #Tutorial #Tutorials #PythonProgramming @Recommender_Systems

https://research.google/blog/transformers-in-music-recommendation/ 🔅 We present a music recommendation ranking system that uses Transformer models to better understand the sequential nature of user actions based on the current user context. #Transformers #Music #Ranking #Transformer #Model #Models @Recommender_Systems

🔥🔥 معرفی پلتفرم FunDeSci: پلتفرم تامین مالی جمعی، دریافت گرنت و Donation برای پرژوه های علمی و تحقیقاتی آیا با عبارت DeSci یا Decentralized Science آشنا هستید؟ علم غیرمتمرکز یا Decentralized Science، به استفاده از فناوری‌های بلاکچین برای تسهیل و ارتقاء فرآیندهای تحقیقاتی و علمی اشاره دارد. در این مدل، داده‌ها و نتایج پژوهش‌ها به صورت شفاف و امن بر روی بلاکچین ذخیره می‌شوند، که امکان دسترسی آسان و اشتراک‌گذاری بدون واسطه را برای پژوهشگران و عموم فراهم می‌کند. این رویکرد به کاهش وابستگی به نهادهای مرکزی و افزایش شفافیت، اعتماد و همکاری در جامعه علمی کمک می‌کند و همچنین رفع محدودیت های که در جذب گرفت و فاندهای تحقیقاتی وجود دارد. پلتفرم FunDeSci با این هدف ایجاد شده که به پژوهشگران جوان کمک کند که برای ایده ها و پروژه های تحقیقاتی خود از طریق رمزارزها، تامین مالی کنند و نتایج کارهای علمی خود را توکنایز کنند. منتظر حضور شما در کامیونیتی FunDeSci هستیم. 📍📍https://t.me/Fundesci @Recommender_Systems

🔗 https://llamacoder.together.ai/ AI Code Generator: Turn your idea into an app #AI #Code #Generator #LlamaCoder #Coder @Recommender_Systems