暂无搜索历史
TLDR: 为了缓解多模态推荐存在的效率问题,本文提出一种高效适配多模态表征的序列推荐方法,并提出了一种更加全面的效率衡量指标TPME,最后从实验和理论方面证实...
TLDR: 本文解读一篇来自抖音团队的论文。该工作主要聚焦在解决流式推荐系统中时间信息建模的问题,目前已经被SIGIR2024 Industry Track录用...
TLDR: 本文全面综述了自监督学习(SSL)在推荐系统中的应用,深入分析了逾170篇论文。提出了一个涵盖九大推荐场景的自监督分类体系,详细探讨了对比学习、生成...
TLDR: 为解决基于大语言模型的推荐系统的遗忘学习问题,本文引入了适配器分区和聚合(APA)框架,可以在保持推荐性能的同时实现精确高效的遗忘学习。
TLDR: 本文提出了一个统一的搜推间用户转换行为建模框架,有效地对不同类型的细粒度行为转换进行建模,为用户提供统一的搜索和推荐服务。
TLDR: 本文对预训练语言模型和基于预训练语言模型的序列推荐模型进行了广泛的模型分析和实验探索,发现采用行为调整的预训练语言模型来进行基于ID的序列推荐模型的...
TLDR: 本文提出一种通用的去噪自增强学习框架,该框架不仅结合了社会影响力来帮助理解用户偏好,而且还通过识别社会关系偏差和去噪跨视图自监督来减轻噪声影响。
TLDR: 本文针对协同过滤技术固有的数据稀疏问题,提出了两种监督对比损失函数,将锚定节点的近邻信息视为最终目标损失函数内的正样本。通过对所提出的损失函数进行梯...
TLDR: 本文开发了一种检索增强的注意力方法,旨在获取样本内和样本间的细粒度特征交互,在保持效率的同时提高了点击率预估算法的预测能力。
TLDR: 港大发布通用图基座模型OpenGraph,巧妙地从大语言模型(LLM)中蒸馏零样本以增强图泛化能力。
论文:arxiv.org/html/2402.17188v1 代码:github.com/HKUDS/PromptMM
TLDR: 本文详细介绍了端侧推荐系统的最新进展情况,具体包括端侧推理与部署、端侧训练与更新以及端侧推荐系统的安全与隐私等部分。最后介绍了这一研究领域所面临的潜...
TLDR:本文提出一种新的推荐算法RecRanker,其为指令调优大语言模型量身定制,并可将其作为Top K推荐的排序器。具体的,该论文提出了重要性感知采样、基...
TLDR: 本文将社交推荐任务建模在双曲空间学习之下,并提出了一种基于双曲图学习的社交推荐模型。具体的,其设计了一个双曲社交预训练模块以保留社交结构作为特征,并...
TLDR: 针对当前利用大语言模型来执行推荐任务时存在的不能有效处理ID信息的挑战,本文提出了一种高效可扩展的大语言模型序列推荐框架,其能够高效的结合传统基于I...
今年ICLR会议已经把审稿意见放出来了,特此整理了一下关于推荐系统相关的论文,总共筛选出31篇。值得说明的是,之前整理的顶会论文都是正式被接收的,比如Neurl...
TLDR:本文提出一种新的生成式推荐系统模型,在生成式框架下重塑序列化推荐,提出DreamRec推荐框架,将推荐任务定义为用户理想物品(Oracel Item)...
TLDR: 本文综述了近期关于可迁移推荐系统的发展现状,并分别介绍了基于ID、基于模态和基于大语言模型的可迁移推荐系统的代表性工作,最后对该方向进行了系统性的总...
TLDR: 本文提出一种新的大语言模型增强的推荐框架LLMRec。具体地,LLMRec提出了三种基于大语言模型的图数据增强策略来强化使用辅助信息的推荐系统。
TLDR: 本文提出了一种新的用于推荐的自适应图对比学习范式,通过两种不同的自适应对比视图生成器来实施数据增强,以此提升协同过滤的效果。作者分别使用图生成模型和...