LIGER: il modello ibrido che combina recupero denso e generativo per raccomandazioni sequenziali precise e scalabili.
La puntata esplora LIGER, un modello ibrido progettato per le raccomandazioni sequenziali, che unisce tecniche di recupero denso e generativo. Il recupero denso garantisce un'elevata precisione, ma comporta costi computazionali significativi; al contrario, il recupero generativo è più efficiente, ma meno accurato, soprattutto nel caso di nuovi item ("cold-start"). LIGER affronta questi limiti migliorando le capacità del recupero generativo, in particolare nella gestione di item inediti, grazie all'integrazione di un sistema di ranking denso. Questo approccio ibrido consente alle aziende di bilanciare precisione e scalabilità, dimostrandosi ideale per cataloghi in costante evoluzione. I test condotti su diversi dataset evidenziano l'efficacia di LIGER.