Buchumschlag

Scalable Bayesian Optimization with Sparse Gaussian Process Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yang, Ang
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Future is Sparse: Embedding Compression for Scalable Retrieval in Recommender Systems
von: Kasalický, Petr, et al.
Veröffentlicht: (2025)

Model-Free Approximate Bayesian Learning for Large-Scale Conversion Funnel Optimization
von: Iyengar, Garud, et al.
Veröffentlicht: (2024)

Scalable In-context Ranking with Generative Models
von: Gupta, Nilesh, et al.
Veröffentlicht: (2025)

Graph Contrastive Learning for Optimizing Sparse Data in Recommender Systems with LightGCL
von: Jatavallabha, Aravinda, et al.
Veröffentlicht: (2025)

Probabilistic Rank and Reward: A Scalable Model for Slate Recommendation
von: Aouali, Imad, et al.
Veröffentlicht: (2022)

Informative Path Planning to Explore and Map Unknown Planetary Surfaces with Gaussian Processes
von: Akemoto, Ashten, et al.
Veröffentlicht: (2025)

TLCCSP: A Scalable Framework for Enhancing Time Series Forecasting with Time-Lagged Cross-Correlations
von: Wu, Jianfei, et al.
Veröffentlicht: (2025)

Helen: Optimizing CTR Prediction Models with Frequency-wise Hessian Eigenvalue Regularization
von: Zhu, Zirui, et al.
Veröffentlicht: (2024)

Towards Scalable Semantic Representation for Recommendation
von: Zhang, Taolin, et al.
Veröffentlicht: (2024)

Sparse and Dense Retrievers Learn Better Together: Joint Sparse-Dense Optimization for Text-Image Retrieval
von: Song, Jonghyun, et al.
Veröffentlicht: (2025)

Wastewater Pipe Rating Model Using Natural Language Processing
von: Betgeri, Sai Nethra, et al.
Veröffentlicht: (2022)

Linear-Time Graph Neural Networks for Scalable Recommendations
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

Dynamic Sparse Learning: A Novel Paradigm for Efficient Recommendation
von: Wang, Shuyao, et al.
Veröffentlicht: (2024)

ASTRA: Accurate and Scalable ANNS-based Training of Extreme Classifiers
von: Mehta, Sonu, et al.
Veröffentlicht: (2024)

Building a Scalable, Effective, and Steerable Search and Ranking Platform
von: Celikik, Marjan, et al.
Veröffentlicht: (2024)

Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation
von: Pandey, Mritunjay
Veröffentlicht: (2026)

Decoding Dense Embeddings: Sparse Autoencoders for Interpreting and Discretizing Dense Retrieval
von: Park, Seongwan, et al.
Veröffentlicht: (2025)

MoToRec: Sparse-Regularized Multimodal Tokenization for Cold-Start Recommendation
von: Liu, Jialin, et al.
Veröffentlicht: (2026)

Learning Retrieval Models with Sparse Autoencoders
von: Formal, Thibault, et al.
Veröffentlicht: (2026)

Adaptive Retrieval and Scalable Indexing for k-NN Search with Cross-Encoders
von: Yadav, Nishant, et al.
Veröffentlicht: (2024)

Embedding the Teacher: Distilling vLLM Preferences for Scalable Image Retrieval
von: He, Eric, et al.
Veröffentlicht: (2025)

A Scalable Crawling Algorithm Utilizing Noisy Change-Indicating Signals
von: Busa-Fekete, Róbert, et al.
Veröffentlicht: (2025)

Scalable Cross-Entropy Loss for Sequential Recommendations with Large Item Catalogs
von: Mezentsev, Gleb, et al.
Veröffentlicht: (2024)

Mixture-of-PageRanks: Replacing Long-Context with Real-Time, Sparse GraphRAG
von: Alonso, Nicholas, et al.
Veröffentlicht: (2024)

Scalable Disk-Based Approximate Nearest Neighbor Search with Page-Aligned Graph
von: Kang, Dingyi, et al.
Veröffentlicht: (2025)

Driving Engagement in Daily Fantasy Sports with a Scalable and Urgency-Aware Ranking Engine
von: Padalkar, Unmesh
Veröffentlicht: (2026)

CaliCausalRank: Calibrated Multi-Objective Ad Ranking with Robust Counterfactual Utility Optimization
von: Yang, Xikai, et al.
Veröffentlicht: (2026)

Preference and Concurrence Aware Bayesian Graph Neural Networks for Recommender Systems
von: Gu, Hongjian, et al.
Veröffentlicht: (2023)

Bayesian Active Learning for Multi-Criteria Comparative Judgement in Educational Assessment
von: Gray, Andy, et al.
Veröffentlicht: (2025)

Listwise Preference Alignment Optimization for Tail Item Recommendation
von: Li, Zihao, et al.
Veröffentlicht: (2025)

ParlayANN: Scalable and Deterministic Parallel Graph-Based Approximate Nearest Neighbor Search Algorithms
von: Manohar, Magdalen Dobson, et al.
Veröffentlicht: (2023)

MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting
von: Yu, Liang, et al.
Veröffentlicht: (2025)

Optimizing Novelty of Top-k Recommendations using Large Language Models and Reinforcement Learning
von: Sharma, Amit, et al.
Veröffentlicht: (2024)

DAPLSR: Data Augmentation Partial Least Squares Regression Model via Manifold Optimization
von: Chen, Haoran, et al.
Veröffentlicht: (2025)

AURO: Reinforcement Learning for Adaptive User Retention Optimization in Recommender Systems
von: Xue, Zhenghai, et al.
Veröffentlicht: (2023)

Lower-Left Partial AUC: An Effective and Efficient Optimization Metric for Recommendation
von: Shi, Wentao, et al.
Veröffentlicht: (2024)

Sparse Autoencoders for Sequential Recommendation Models: Interpretation and Flexible Control
von: Klenitskiy, Anton, et al.
Veröffentlicht: (2025)

Frequency-aware Graph Signal Processing for Collaborative Filtering
von: Xia, Jiafeng, et al.
Veröffentlicht: (2024)

ProReco: A Process Discovery Recommender System
von: Huang, Tsung-Hao, et al.
Veröffentlicht: (2025)

BayesCNS: A Unified Bayesian Approach to Address Cold Start and Non-Stationarity in Search Systems at Scale
von: Ardywibowo, Randy, et al.
Veröffentlicht: (2024)