Buchumschlag

The Quantified Boolean Bayesian Network: Theory and Experiments with a Logical Graphical Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Coppola, Gregory
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Logical Discrete Graphical Models Must Supplement Large Language Models for Information Synthesis
von: Coppola, Gregory
Veröffentlicht: (2024)

A Categorization of Complexity Classes for Information Retrieval and Synthesis Using Natural Logic
von: Coppola, Gregory
Veröffentlicht: (2024)

Logic Query of Thoughts: Guiding Large Language Models to Answer Complex Logic Queries with Knowledge Graphs
von: Liu, Lihui, et al.
Veröffentlicht: (2024)

Conf-GNNRec: Quantifying and Calibrating the Prediction Confidence for GNN-based Recommendation Methods
von: Yan, Meng, et al.
Veröffentlicht: (2025)

Quantifying Positional Biases in Text Embedding Models
von: Lee, Reagan J., et al.
Veröffentlicht: (2024)

LogiCoL: Logically-Informed Contrastive Learning for Set-based Dense Retrieval
von: Shen, Yanzhen, et al.
Veröffentlicht: (2025)

Who You Are Matters: Bridging Topics and Social Roles via LLM-Enhanced Logical Recommendation
von: Yu, Qing, et al.
Veröffentlicht: (2025)

Bayesian-Guided Diversity in Sequential Sampling for Recommender Systems
von: Bederina, Hiba, et al.
Veröffentlicht: (2025)

Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement
von: Sielinski, Ronald
Veröffentlicht: (2026)

Bayesian Active Learning with Gaussian Processes Guided by LLM Relevance Scoring for Dense Passage Retrieval
von: Kim, Junyoung, et al.
Veröffentlicht: (2026)

ReBOL: Retrieval via Bayesian Optimization with Batched LLM Relevance Observations and Query Reformulation
von: Korikov, Anton, et al.
Veröffentlicht: (2026)

Empirical and Experimental Perspectives on Big Data in Recommendation Systems: A Comprehensive Survey
von: Taha, Kamal, et al.
Veröffentlicht: (2024)

A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
von: Raza, Shaina, et al.
Veröffentlicht: (2024)

Research on Personalized Financial Product Recommendation by Integrating Large Language Models and Graph Neural Networks
von: Zhao, Yushang, et al.
Veröffentlicht: (2025)

Efficient Logic Gate Networks for Video Copy Detection
von: Fojcik, Katarzyna
Veröffentlicht: (2026)

Quantifying Divergence in Inter-LLM Communication Through API Retrieval and Ranking
von: Al-Masri, Eyhab
Veröffentlicht: (2026)

QUPID: Quantified Understanding for Enhanced Performance, Insights, and Decisions in Korean Search Engines
von: Kwon, Ohjoon, et al.
Veröffentlicht: (2025)

Eco-Aware Graph Neural Networks for Sustainable Recommendations
von: Purificato, Antonio, et al.
Veröffentlicht: (2024)

Hypergrah-Enhanced Dual Convolutional Network for Bundle Recommendation
von: Li, Yang, et al.
Veröffentlicht: (2023)

IA-GCN: Interactive Graph Convolutional Network for Recommendation
von: Zhang, Yinan, et al.
Veröffentlicht: (2022)

Benchmarking Deep Neural Networks for Modern Recommendation Systems
von: Bahi, Abderaouf, et al.
Veröffentlicht: (2025)

An In-Depth Study of Filter-Agnostic Vector Search on a PostgreSQL Database System: [Experiments and Analysis]
von: Lu, Duo, et al.
Veröffentlicht: (2026)

SelfGNN: Self-Supervised Graph Neural Networks for Sequential Recommendation
von: Liu, Yuxi, et al.
Veröffentlicht: (2024)

When Box Meets Graph Neural Network in Tag-aware Recommendation
von: Lin, Fake, et al.
Veröffentlicht: (2024)

Cross-Modal Attention Network with Dual Graph Learning in Multimodal Recommendation
von: Dai, Ji, et al.
Veröffentlicht: (2026)

Query-Aware Graph Neural Networks for Enhanced Retrieval-Augmented Generation
von: Agrawal, Vibhor, et al.
Veröffentlicht: (2025)

Simple Augmentations of Logical Rules for Neuro-Symbolic Knowledge Graph Completion
von: Nandi, Ananjan, et al.
Veröffentlicht: (2024)

Hierarchical Structured Neural Network: Efficient Retrieval Scaling for Large Scale Recommendation
von: Rangadurai, Kaushik, et al.
Veröffentlicht: (2024)

E-commerce Webpage Recommendation Scheme Base on Semantic Mining and Neural Networks
von: Zhao, Wenchao, et al.
Veröffentlicht: (2024)

Action is All You Need: Dual-Flow Generative Ranking Network for Recommendation
von: Guo, Hao, et al.
Veröffentlicht: (2025)

FEDIN: Frequency-Enhanced Deep Interest Network for Click-Through Rate Prediction
von: Dai, Zenan, et al.
Veröffentlicht: (2026)

GFlowGR: Fine-tuning Generative Recommendation Frameworks with Generative Flow Networks
von: Wang, Yejing, et al.
Veröffentlicht: (2025)

Multi-Level Graph Attention Network Contrastive Learning for Knowledge-Aware Recommendation
von: Hu, Zhifei, et al.
Veröffentlicht: (2026)

Analysis and Design of a Personalized Recommendation System Based on a Dynamic User Interest Model
von: Mao, Chunyan, et al.
Veröffentlicht: (2024)

RouterRetriever: Routing over a Mixture of Expert Embedding Models
von: Lee, Hyunji, et al.
Veröffentlicht: (2024)

LLM-as-a-Judge: Toward World Models for Slate Recommendation Systems
von: Bonin, Baptiste, et al.
Veröffentlicht: (2025)

DAIAN: Deep Adaptive Intent-Aware Network for CTR Prediction in Trigger-Induced Recommendation
von: Lv, Zhihao, et al.
Veröffentlicht: (2026)

Diffusion-based Multi-modal Synergy Interest Network for Click-through Rate Prediction
von: Cui, Xiaoxi, et al.
Veröffentlicht: (2025)

Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation
von: He, Peng, et al.
Veröffentlicht: (2025)

TSPRank: Bridging Pairwise and Listwise Methods with a Bilinear Travelling Salesman Model
von: Li, Weixian Waylon, et al.
Veröffentlicht: (2024)