К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 8 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 8 найденных, риска — весь корпус
Генеративные рекомендации 1Последовательные рекомендации 6Языковые модели и агенты 1Коллаборативные модели 1Оценка и причинность 1Объяснения и контроль 1Промышленные системы 4Кросс-домен и мультимодальность 1Реклама и рекомендации 0
#sequentialСбросить фильтры

  1. Automated Selection-based Mixture-of-Experts with Dual-stage Input–Target Pattern Learning for Sequential Recommendation

    Общий набор экспертов дополняется экспертами, выбираемыми отдельно для каждой истории. Бинарный гейт и последующее обучение связей входа с целью адаптируют вычисления к примеру.

    Shenzhen University, Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  2. DPGFlow: Decoupled Preference Guided Flow Matching for Cross Domain Sequential Recommendation

    Междоменный энкодер разделяет общие и специфичные предпочтения. Flow matching ведёт общее представление к целевому товару под управлением доменного сигнала.

    University of New South Wales, Macquarie University +2

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  3. GTP: Mitigating Popularity Bias in PLM-based Sequential Recommendation via Group-Aware Token Pruning

    GTP группирует текстовые токены по их связи с популярными и хвостовыми товарами. Обучаемое прореживание удаляет часть лексического сигнала до языкового кодирования истории.

    Shenzhen University, Shenzhen Technology University

    #Объяснения и контроль#Последовательные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  4. Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation

    HSR моделирует интерес как диссипативную гамильтонову динамику. Линейное уравнение решается спектральным фильтром с обучаемым затуханием.

    The Hong Kong University of Science and Technology

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  5. RecRec: Latent Interests Recursive Reasoning for Sequential Recommendation

    RecRec сжимает историю в набор латентных интересов. Рекурсивный блок уточняет их при замороженном основном энкодере.

    University of Glasgow, Ohio State University +4

    #Последовательные рекомендации

    Публикация конференцииZotero ↗

  6. Towards Efficient Hyperbolic Representation Learning for Recommender Systems

    HyperbRec обучает представления непосредственно на гиперболоиде. Линейное внимание на основе косинусного преобразования сокращает вычисления.

    Dublin City University

    #Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  7. Scaling Sequence Learning under Production Latency Constraints

    Граф последовательной модели разделяется по зависимости от пользователя и кандидата. Тяжёлые пользовательские сводки вычисляются общим запросным путём, а кандидатные взаимодействия остаются отдельно.

    Meta Platforms, Inc.

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  8. Your 5-Core Train Split May Not Be 5-Core: Core Filtering and Temporal Splitting Do Not Commute

    Работа меняет порядок core-фильтрации и временного разбиения при общей границе времени. Сравниваются полученные популяции, допустимые объекты и выводы о моделях.

    AXXX (не раскрыто в источнике), AI Center +1

    #Оценка и причинность

    Публикация конференцииZotero ↗

RecSys2026

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