paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
SR

Saba Fathi Rabooki

SIGIR 2026评测与基准可解释性数据与预训练
新星分新星
51
一作贡献30
核心/参与0
方向广度6
合作网络3
1 一作 · 1 篇 · SIGIR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作SIGIR 2026Poster· Information Retrieval (Short)

ExODRec: An Explainable Framework for Outlier Detection Model Recommendation

Saba Fathi Rabooki · Ziqi Xu · Elham Naghizade

摘要

The rapid growth of large-scale datasets in outlier detection (OD) makes exhaustive evaluation of diverse candidate models for each new dataset impractical. The unsupervised outlier model recommendation (UOMR) problem remains underexplored and presents two major challenges: severe cold-start cons...

评测与基准可解释性数据与预训练OpenReview

常见合作者