轻量混合推荐引擎提升小型代发店铺推荐性能的评估
在小型代发店铺场景下，融合内容、协同与趋势信号的轻量混合推荐引擎，其NDCG@10较单一组件有小幅提升，但作者明确指出该提升在实用层面很小，证据档位为C。 采用离线评估设计：使用公开Amazon Beauty数据集（883,753名用户、23,838件商品、135万条评分），按时
图神经网络与经典机器学习预测鲍曼不动杆菌碳青霉烯耐药
在2448个基因组的二分类数据集上，随机森林在内部交叉验证中表现最佳，图卷积网络则提供系统层面的基因组解释，提示耐药可能反映多层协同防御体系，但需谨慎解读个体基因排名。 研究为计算建模与基准比较：最终二分类数据集2448个基因组，采用5个随机种子与10折分层交叉验证比较机器学习与
HOFA：基于对比学习的高阶特征对齐社交推荐
HOFA通过对比学习实现高阶特征对齐，以缓解社交推荐中的稀疏性与冷启动问题。 针对高阶社交特征利用不足、特征均匀性缺失与去相关不充分三个问题，提出相应特征对齐机制。
卫星产品与机器学习/深度学习用于印度农业咨询服务升级：文献计量与系统叙述综述
该综述提示，将高分辨率卫星产品与机器学习/深度学习模型结合，可能提升印度农业咨询服务所依赖的天气预报空间精度；这一判断属于叙述性综述层面的提示，尚不足以作为业务化效果的结论。 研究设计为文献计量分析加系统叙述综述：从Scopus初检1948条记录，按PRISMA流程筛选出125篇
医疗网络安全风险的多模态网络威胁情报融合系统综述
结论：该文献为系统综述的出版信息条目，提示多模态网络威胁情报融合用于医疗网络安全风险评估这一主题已有综述性梳理；因摘要缺失，无法判断效应方向与强度，证据档位为C。 设计与做法：材料仅显示为系统综述，发表于Computers & Security第172卷，出版日期2027
多模态深度学习与数据挖掘框架用于社交媒体虚假信息早期检测
提出一个融合多模态深度学习与数据挖掘的框架，用于社交媒体网络虚假信息的早期检测。 针对传统机器学习依赖手工特征与分类器、难以分析多模态内容的不足，构建多模态检测框架。
AI评分系统从文献中检测药物相互作用
该系统在药物相互作用（DDI）检测任务上，对药物家族类查询表现较好（F1 0.872），单药与药物-药物查询次之，提示AI-NLP方法可作为传统数据库的补充检索手段，但证据档位为C，尚不足以替代人工审编数据库。 研究为方法学开发与验证研究，构建NLP流水线：基于微调BERT的句子
工程师的诗：UI设计师之梦
该文为 IEEE Spectrum 刊载的诗歌体裁作品，材料未报告任何研究结论，不构成可评价的实证证据，属不足以下结论。 研究设计与做法：材料未报告。该文非研究论文，无设计类型、样本量、干预对照或随访时长等信息。
RGIDRec：面向序列推荐中目标感知信息发现的目标条件意图扩散模型
提出RGIDRec，一种目标条件意图扩散方法，用于序列推荐中的目标感知信息发现。 该文为期刊资讯条目，仅列出刊期与作者信息，未提供模型结构、数据集或对比基线等细节。
集成药物相互作用检测与紧急支持的AI医疗助手平台
该研究提出并评估一个集成式、安全的网页平台，将对话式症状分析、混合疾病风险分类、基于知识图谱的药物相互作用检测与地理定位紧急支持整合于单一应用，报告疾病预测准确率为87.3%，并称响应延迟适合交互式临床决策支持。 系统开发与评估研究；平台基于React.js、Node.js/Ex
