论文页面 - PaperFlow：跨每日论文流的画像、推荐与自适应

来源：https://huggingface.co/papers/2606.07454 作者：

，

，

，

，

，

，

，

，

摘要

PaperFlow 是一个面向科学论文推荐的框架，通过三个环节处理用户画像、每日论文流以及兴趣漂移：画像、推荐和自适应。该框架使用包含24个用户、50个每日论文流和1200个片段的纵向基准进行评测。

科学论文推荐（https://huggingface.co/papers?q=Scientific%20paper%20recommendation）通常被评估为在固定候选集上的静态排序，然而真实的学术阅读是一个每日进行的、纵向的过程（https://huggingface.co/papers?q=longitudinal%20process），其中兴趣会变化且反馈不断累积。我们提出 PaperFlow，一个将该过程组织为三个耦合环节的框架：画像（Profiling）——从异构冷启动证据中构建并维护一个结构化、可检查的学术画像；推荐（Recommending）——在固定展示预算下，通过多信号聚合（https://huggingface.co/papers?q=multi-signal%20aggregation）对每个特定日期的论文流进行排序；自适应（Adapting）——从语义不同的反馈信号中更新用户状态，并建模跨日的兴趣漂移（https://huggingface.co/papers?q=interest%20drift）。我们还定义了一个纵向的用户-日基准（https://huggingface.co/papers?q=user-day%20benchmark），该基准在共享的时间信息边界（https://huggingface.co/papers?q=temporal%20information%20boundary）下固定用户、日期、候选池、可见输入和隐藏的模拟相关性标签。该基准包含24个模拟研究用户、50个每日论文流、1200个用户-日片段、20727篇独特论文以及497448条片段-论文记录。我们还指定了一个盲人评估协议，以验证自动指标与专家判断之间的一致性。针对五个科学推荐基线的实验表明，PaperFlow 实现了最强的基于神谕的排序（https://huggingface.co/papers?q=oracle-based%20ranking）、最高的与模拟阅读选择的行为对齐（https://huggingface.co/papers?q=behavioral%20alignment）以及最佳的盲人评估得分。

查看 arXiv 页面（https://arxiv.org/abs/2606.07454）查看 PDF（https://arxiv.org/pdf/2606.07454）项目页面（https://openraiser.github.io/PaperFlow）GitHub4（https://github.com/OpenRaiser/PaperFlow）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.07454）

在你的 agent 中获取这篇论文：

hf papers read 2606\.07454

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

没有模型关联这篇论文

请在模型 README.md 中引用 arxiv.org/abs/2606.07454，以将其关联到此页面。

引用本文的数据集0

没有数据集关联这篇论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.07454，以将其关联到此页面。

引用本文的 Space0

没有 Space 关联这篇论文

请在 Space README.md 中引用 arxiv.org/abs/2606.07454，以将其关联到此页面。

包含本文的收藏集0

没有收藏集包含这篇论文

请将此论文添加到收藏集（https://huggingface.co/new-collection）中，以将其关联到此页面。