К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 6 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 6 найденных, риска — весь корпус
Генеративные рекомендации 0Последовательные рекомендации 3Языковые модели и агенты 0Коллаборативные модели 1Оценка и причинность 4Объяснения и контроль 3Промышленные системы 1Кросс-домен и мультимодальность 1Реклама и рекомендации 1
Gyeongsang National UniversityСбросить фильтры

  1. Information-Aware Long Sequence Compression for Sequential Recommendation

    Гейт выбирает важные события и восстанавливает их хронологический порядок. Сводка полной истории сохраняет обучающий сигнал от отброшенных событий.

    Gyeongsang National University

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  2. TRACE: Targeted Ranking-Aware Counterfactual Explanation for Sequential Recommendation

    TRACE ищет изменения истории, которые вводят целевой товар в выдачу или удаляют лидера. Поиск сначала ограничивается влиятельными позициями и подходящими кандидатами.

    Gyeongsang National University

    #Объяснения и контроль#Последовательные рекомендации

    Публикация конференцииZotero ↗

  3. Cross-Spectrum Candidate Set Analysis for Popularity-Aware Recommendation

    Работа сравнивает кандидатные множества голов с разным отношением к популярности. Все головы обслуживают каждого пользователя, позволяя измерить реальную комплементарность списков.

    Gyeongsang National University

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  4. Deadweight Loss in Recommendation Systems

    Приближённая Pareto-граница связывает пользовательскую и создательскую полезность. Гипотетические вставки оцениваются как потери относительно этой границы.

    Gyeongsang National University

    #Реклама и рекомендации#Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  5. Revisiting the Assumptions of Shared-Account Sequential Recommendation

    Истории разных пользователей объединяются по времени без удаления событий. Общие последовательные модели сравниваются на исходных и смешанных аккаунтах.

    Gyeongsang National University

    #Оценка и причинность#Последовательные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  6. Why Do CF and Review Models Disagree? User-Specific Rating–Review Scale Gaps

    Рейтинговая и текстовая модели сравниваются на общих пользовательских данных. Индивидуальная шкала оценивания используется для анализа направления их расхождения.

    Gyeongsang National University

    #Оценка и причинность#Коллаборативные модели

    Публикация конференцииZotero ↗

RecSys2026

Разборы работ RecSys 2026 · обновлено 2026-10-16.