К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 73 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 73 найденных, риска — весь корпус
Генеративные рекомендации 8Последовательные рекомендации 5Языковые модели и агенты 25Коллаборативные модели 6Оценка и причинность 19Объяснения и контроль 21Промышленные системы 24Кросс-домен и мультимодальность 73Реклама и рекомендации 7
Домены, группы и мультимодальные задачиСбросить фильтры

  1. BiLPR: Bidirectional Teacher-Student Agent Interaction for Context-Aware Learning Path Recommendation

    Агент ученика хранит профиль, память и оценку знаний, а агент преподавателя выбирает учебные задания. Неожиданные ответы запускают пересмотр состояния и сложности следующего шага.

    Army Engineering University of PLA, University of Science and Technology of China

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  2. Bridge the Unseen Gap: Enhancing Non-overlapping Cross-domain CTR Prediction via Profile Retrieval

    Языковая модель строит переносимые профили пользователей и товаров. По похожим профилям извлекаются только реально наблюдавшиеся взаимодействия исходного домена для обучения целевой модели.

    Shenzhen Technology University, Ant International +1

    #Реклама и рекомендации#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  3. Calibrating User Preferences for Cross-Domain Recommendation via Target-Guided Representation Mapping

    DCDR выбирает уверенные исходные представления по малой обучающей ошибке. Отображение из целевого домена помогает калибровать исходный сигнал перед переносом.

    University of Technology Sydney

    #Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  4. Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders

    Языковую модель обучают воспроизводить человеческие оценки групповых решений с объяснениями учителя. Она выбирает среди интерпретируемых правил агрегации предпочтений.

    Maastricht University

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  5. Dart: Adaptive Tweedie Objective Mitigates the σ Escape Route in Cross-Platform Popularity Prediction

    Dart заменяет предсказываемую дисперсию на Tweedie deviance с обучаемой степенью. Контекст извлекается по текстовой и структурной близости для прогноза популярности.

    NTT DOCOMO. INC.

    #Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  6. 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 ↗

  7. DPGR: Dual-Domain Spatiotemporal Generative Retrieval for Intent-Aware Local Life Service Recommendation

    DPGR объединяет контентные и географические события в контекстную историю. Генератор предсказывает намерения, под которые формируются отдельные retrieval-запросы.

    Meituan

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  8. Do We Care About Personalization and Explainability? An Interview Study with News Recommendation Engineers

    Полуструктурированные интервью исследуют практики персонализации и объяснимости в новостных командах. Тематическое кодирование связывает технические затруднения с коммуникацией внутри организаций.

    University of Amsterdam, Jheronimus Academy of Data Science +2

    #Объяснения и контроль#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  9. Do We Really Need LLMs to Augment All? A Selective Augmentation Framework with Lightweight Language Models for Multimodal CTR Prediction

    SALM оценивает сложность товара по доступным признакам и предсказаниям вне обучающей подвыборки. Маршрутизатор выделяет бюджет языковой аугментации по ожидаемой пользе для CTR.

    Wuhan University of Technology, Anhui University

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  10. Empowering Cross-Domain Sequential Recommendation with Hybrid Tokenization and Serial-Parallel Decoding

    Общие и доменно-специфичные кодбуки задают иерархические идентификаторы товаров. Общие коды декодируются последовательно, а детальные доменные коды параллельно.

    City University of Hong Kong, ByteDance

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  11. Generating Personalized Images for Sparse-Interaction Users with Uncertainty-Aware Retrieval and Dense Knowledge Guidance

    UDSIG подбирает визуальные референсы по семантической близости и предпочтениям пользователя. Генератор изображений обучается с подсказками учителя, располагающего более полной историей.

    Hong Kong University of Science and Technology (Guangzhou), The 63rd Research Institute +5

    #Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  12. Give the Long-tail More SPACE: Promoting Provider Fairness in Next POI Recommendation

    SPACE генерирует виртуальные взаимодействия с хвостовыми географическими объектами. Условная генерация учитывает сообщества предпочтений и приближения физических ограничений.

    Southeast University, Hong Kong Baptist University

    #Объяснения и контроль#Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  13. Improving Rare Medication Recommendation with Counterfactual Data Augmentation and Large Language Models

    GenRxR синтезирует гипотетические медицинские записи для редких назначений. Эти записи используются для инструкционной адаптации и обучения рекомендательной языковой модели.

    KAIST, Korea University

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  14. Learning Sparse Representations of Multimodal Content for Enhanced Cold Item Recommendation

    Контентные автоэнкодеры обучают широкие разреженные мультимодальные представления. Активация перед top-k отбором подавляет шумные сходства товаров.

    Queen Mary University of London

    #Кросс-домен и мультимодальность#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  15. MODE: Mutual Optimality in Direct Effects of Reciprocal Recommendations in Matching Markets

    MODE моделирует взаимный интерес и ограниченное внимание сторон рынка. Списки оптимизируются по прямому эффекту для участника при фиксированных действиях остальных.

    CyberAgent

    #Кросс-домен и мультимодальность#Объяснения и контроль

    Публикация конференцииZotero ↗

  16. Reducing Perceived Polarization through Affect-Balanced News Reframing

    Работа анализирует эмоциональное согласование заголовков и подзаголовков новостей. Затем изменение оформления проверяется в пользовательском эксперименте.

    University of Bergen, University of Amsterdam +1

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  17. Safety-Aware Next-POI Recommendation with Large Language Models

    Для переходов между местами оценивается риск по предшествующим происшествиям вдоль маршрута. Этот сигнал включается в языковую рекомендацию следующей точки.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  18. Towards welfare-oriented recommendations in activity-travel behavior

    Полезность активности уменьшается на персональную стоимость поездки. Правила допуска рекомендации ограничивают риск отрицательного результата и альтернативную стоимость.

    University of Houston, New York University

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  19. BookForYou: Leveraging BART-Generated Narrative Tropes for Content-Based Book Recommendations

    BookForYou генерирует сюжетные теги из книжного описания. Эти теги уточняют поиск внутри семантически близкого пула книг.

    Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education +2

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  20. Choosing What Matters: Query-Aware Multimodal Routing for Conversational Recommendation

    Диалог и сущности кодируются раздельно с графовыми, текстовыми и визуальными каналами. Зависимый от запроса маршрутизатор выбирает вклад каждой модальности.

    Sungkyunkwan University

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  21. Dual Conditional Diffusion for Generative Cross-Domain Recommendation via Disentangled Knowledge Transfer

    DCD-XRec обучает условную диффузию переносить пользовательские представления между доменами с общими пользователями. Реальные цели другого домена дополняются искусственными гибридами общих и частных компонент.

    Indian Institute of Technology, Guwahati, Meesho

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  22. Hierarchical GTV Estimation: Bridging the Gap between Container-Level Ranking and Item-Level Conversion

    HGE кодирует товары магазина как взаимодействующий набор с последующим добавлением контекста. Денежная цель раскладывается по структуре конверсии и дополняется остаточной коррекцией.

    Meituan, ShopeeFood&DP Intelligence

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  23. LLM-as-a-Judge for Evaluating System Responses in Conversational Music Recommendation

    Музыкальная рекомендация фиксируется, а меняется текст ответа системы. Языковые судьи оценивают персонализацию и объяснение по общей с людьми рубрике.

    KAIST, Deezer Research +2

    #Оценка и причинность#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  24. Surface Matching in Skill Recommenders: Incomplete Evaluation Hides Simplicity Bias

    Работа расширяет оценку рекомендателя навыков рубрикой поверхностных совпадений и смысловых ошибок. Варианты обучения сравниваются по полезному верху списка, а не только известным позитивам.

    TechWolf, Ghent University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  25. Uncertainty-Aware Gated Context Fusion for Next POI Recommendation

    Гейт смешивает представления места и его категории до последовательного энкодера. Стохастический вариант регуляризует распределение весов смешивания.

    Sungkyunkwan University

    #Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  26. Some People Are Worth Recommending For: Twenty Years of Progress, Gaps, and Opportunities For and With Children at RecSys

    Исторический обзор отбирает и кодирует исследования рекомендаций для детей. Анализ связывает алгоритмические задачи с участием несовершеннолетних в проектировании.

    Delft University of Technology

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  27. Towards the Human-Centered Study of Recommender System Providers

    Исследовательская программа рассматривает поставщиков как пользователей рекомендательной системы. Интерфейсы, объяснения и совместное проектирование связываются с измеримыми воздействиями алгоритма.

    University of Colorado Boulder

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  28. Are We Really Making Progress in Group Recommendation? Unmasking the Tie-Breaking Illusion

    Одинаковые скоры оцениваются при разных правилах разрешения ничьих. Точное ожидание ranking-метрик по случайному порядку устраняет произвольное преимущество позиции позитива.

    National Taiwan University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  29. Personalised Drug Recommender Systems based on Electronic Health Records: Reproducibility and External Validity

    Аудит медицинских рекомендателей разделяет наличие артефактов и фактическое исполнение оригинального кода. Перенос на другие данные рассматривается отдельно от совпадения опубликованных метрик.

    University of Klagenfurt

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  30. We’ve Already Been There: A Study of Data Leakage in Ephemeral Group Recommender Systems

    Аудит эфемерных групп выявляет целевые групповые взаимодействия в индивидуальных историях участников. Направленное удаление сравнивается со случайным удалением того же объёма и счётчиком общих объектов.

    Johns Hopkins University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  31. Binge Watch: Reproducible Multimodal Benchmark Datasets for Large-Scale Movie Recommendation on MovieLens-10M and 20M

    Ресурс связывает фильмы с текстом, постерами и трейлерами через устойчивые соответствия объектов. Публикуются признаки и конвейер получения мультимодального бенчмарка.

    University of Bari Aldo Moro

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  32. JTH: A Dataset for Evaluating Cold-Start and Temporal Dynamics in Job Recommendation

    JTH объединяет профили кандидатов, вакансии и временные этапы найма. Структурированное извлечение атрибутов дополняет оценку холодного старта и динамики рынка.

    Télécom SudParis, Institut Polytechnique de Paris

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  33. WatchLens: A Configurable Platform for Online Video Recommendation Experiments

    WatchLens разделяет конфигурацию видеоэксперимента, интерфейса и рекомендательной политики. Телеметрия связывает воспроизведение с контекстом показов.

    Yonsei University

    #Оценка и причинность#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  34. WorkRB: A Community-Driven Evaluation Framework for AI in the Work Domain

    WorkRB задаёт задачи рынка труда через запрос, каталог и релевантность. Конфигурации языков и онтологий объединяются общим контрактом ранжирования.

    TechWolf, Avature +9

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  35. Advancing Relevance Measurement with Vision–Language Models for Web-Scale Search

    Визуально-языковая модель оценивает релевантность поисковых результатов по запросу и метаданным. Стратифицированный сбор примеров связывает автоматические метки с экспериментальным решением.

    Pinterest

    #Оценка и причинность#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  36. Breaking the Loop: An Empirical Comparison of Strategies for Novelty and Freshness in YouTube Music

    Работа сравнивает вмешательства в обучение и выдачу музыкального ранкера при фиксированном retrieval. Свежесть релизов и новизна потребления оцениваются как разные цели.

    Google

    #Промышленные системы#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  37. DRanker: A Transformer-Based Multi-Task Ranking Model for the Disney+ Homepage

    DRanker обучает многозадачную модель на первых содержательных просмотрах. Контекст профиля и отбор примеров согласуются с задачей открытия новых тайтлов.

    The Walt Disney Company

    #Промышленные системы#Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  38. FLUID: From Ephemeral IDs to Multimodal Semantic Codes for Billion-Scale Livestreaming Recommendation

    FLUID кодирует эфемерные трансляции общим мультимодальным энкодером и семантическими кодами. Представления интегрируются в ранкер через согласованное квантование и обучение.

    TikTok, ByteDance

    #Промышленные системы#Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  39. Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap

    GPlan учится на структурированных планах услуг, синтезированных учителем с экспертными примерами. Ученик воспроизводит компактную последовательность намерений и инструментов.

    AMAP

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  40. Guess Where You Go: Generative Next Point-of-Interest Recommendation in Amap

    GWhere объединяет текст, изображения, пространственные и поведенческие признаки в токенизаторе. Генератор семантических кодов адаптируется к следующему географическому выбору.

    AMAP

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  41. Hybrid Retrieval and Multimodal Reranking for Item-to-Item Recommendation in a C2C Marketplace

    Система объединяет кандидатов независимого текстового и визуального поиска. Мультимодальный реранкер выбирает похожие товары для площадки частных продавцов.

    Mercari

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  42. IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs

    IDProxy строит мультимодальный заменитель ID-эмбеддинга холодного объекта. После грубого выравнивания прокси дообучается совместно с CTR-ранкером.

    Xiaohongshu, Shanghai Jiao Tong University +1

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  43. LLM-Based Re-Ranking for Real Estate Search

    Реранкер оценивает каждый объект недвижимости по запросу, профилю и общему контексту кандидатов. Асинхронные оценки уточняют готовый retrieval без замены проверки допустимости.

    QuintoAndar, Growthloop

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  44. M2R: End-to-End Implicit Scenario Discovery for Multi-Scenario and Multi-Crowd Ranking at Taobao

    Ранкер Taobao сочетает явные бизнес-разбиения с обучаемым выбором ближайшего прототипа. Целевая ошибка и геометрические ограничения обучают маршрутизацию, а низкоранговые добавки сокращают параметры экспертов.

    Taobao & Tmall Group of Alibaba

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  45. Melo: A Production LLM-Powered Music Recommendation Agent

    Melo исполняет музыкальный запрос через фиксированный граф понимания, планирования, поиска и проверки. Структурированные переходы ограничивают свободную агентную петлю.

    NetEase Cloud Music, Hangzhou Dianzi University

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  46. Multi-Objective Ranking for Live-Streaming: Balancing Fresh and Delayed Signals with Segment-Aware Targeting

    Плотный свежий сигнал отделяется от глубоких отложенных действий в многозадачном ранжировании. Сегментное управление согласует цели для разных зрителей трансляций.

    Twitch Interactive, Amazon Prime Video

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  47. Multilingual Semantic Retrieval for Apple Music Search

    Многоязычный bi-encoder кодирует запросы и структурированные музыкальные документы. Поведенческие пары и согласование шкал соединяют семантический канал с поисковой системой.

    Apple

    #Промышленные системы#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  48. PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale

    PinDCO параллельно ранжированию объявлений оценивает варианты их креативов. Компонентная модель учитывает контекст всей страницы и форму карточки.

    Pinterest

    #Реклама и рекомендации#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  49. The Text on the Creative: An Under-Exploited Ranking Modality for Short-Form Video Ads

    Ads-OCR извлекает текст поверх рекламного видео с маршрутизацией по письменности. Признаки и компактные коды передаются ранкеру после фильтрации неуверенных токенов.

    Meta Platforms, Inc.

    #Реклама и рекомендации#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  50. Towards Full Candidate Interaction: A Comprehensive Comparison Network for Better Route Recommendation

    CCN вычисляет направленные различия физических сегментов между маршрутами. Сеть совместно сравнивает кандидатов вместо независимого кодирования каждого пути.

    AMAP

    #Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  51. UniShare: A Unified Framework for Joint Video and Receiver Recommendation in Social Sharing

    UniShare совместно моделирует выбор видео и адресата социальной отправки. Представления интересов обеих сторон согласуются с содержанием и типом отношений.

    Kuaishou Technology

    #Кросс-домен и мультимодальность#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  52. UniTraj: Cross-Domain Long-Sequence Modeling for Commercial Recommendation

    UniTraj объединяет рекламные и контентные события в длинную траекторию. Общие товарные и категорийные связи поддерживают иерархический отбор истории для ранкера.

    Tencent, University of Science and Technology of China

    #Реклама и рекомендации#Последовательные рекомендации#Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  53. Exploring Revealed Behavior and Stated Profiles in Longitudinal News Recommendation

    Продольный новостной эксперимент сравнивает поведение в меняющейся ленте с явно заявленными темами. Рандомизированный состав выдачи сопровождается повторными опросами.

    TU Wien, University of Bergen +1

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  54. Music Discovery Quality and the Value of Familiarity

    Качество музыкального открытия определяется последующими завершёнными и повторными прослушиваниями. Признаки знакомости артиста объединяются с представлениями для прогноза исхода.

    Johannes Kepler University Linz, Loria +3

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  55. Personalized Fashion Discovery via Session Trajectories and Soft Negatives

    Сессионный запрос модной рекомендации обновляется понравившимися и отвергнутыми объектами. Временное затухание и ослабленные негативы сохраняют возможность смены интереса.

    TU Wien

    #Кросс-домен и мультимодальность#Объяснения и контроль

    Публикация конференцииZotero ↗

  56. Predicting Custom-Feed Returns for New Bluesky Posts: A Prospective Study

    Для нового поста гибридные каналы находят подходящие пользовательские ленты. Ранкер прогнозирует наблюдаемый возврат поста в будущих снимках выдачи.

    Northeastern University (Boston, USA)

    #Кросс-домен и мультимодальность#Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  57. 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 ↗

  58. Towards Dynamic Relationship Schema Discovery for Complementary News Recommendation

    DRSD предлагает языковой моделью новые отношения между новостями для трудных пар. Эксперты отношений сохраняются или удаляются по вкладу в валидационную потерю прогноза клика.

    MicroAd, Inc.

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  59. FINALLY: A Dataset Recommender for RecSys Experiments

    FINALLY дополняет обязательные датасеты при заданных ограничениях и размере итогового набора. Стратегии используют случайный выбор или разнообразие в пространстве результатов портфеля алгоритмов.

    University of Siegen, University of Antwerp

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  60. Fusion AutoEncoder: Feature-Grounded Embeddings for Products with Mixed Structured Attributes

    Fusion AutoEncoder сохраняет типы категориальных, численных и многозначных полей. Маскированная реконструкция обучает компактное представление структурированного товара.

    MakeMyTrip Pvt Ltd

    #Коллаборативные модели#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  61. GroupRec: A Unified Toolkit for Reproducible and Inspectable Group Recommendation Research

    GroupRec объединяет правила агрегации персональных оценок и обучаемые групповые модели. Общий слой данных и оценки делает их доступными для сопоставимого исполнения.

    Charles University, University of Cagliari

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  62. How Would You Like Your Recommendations? p-book, a Self-Recommending Living Book That Teaches How Recommender Systems Work

    P-book отделяет учебное понятие с фиксированным контрактом от вариантов его объяснения. Пользователь управляет формой подачи, а каталог может пополняться новыми версиями.

    Czech Technical University, AI detem non profit organization

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  63. Loom: LLM-Powered Naturally Embedded Recommendation

    Loom получает кандидатов от независимого retrieval и встраивает ссылку в текст статьи. Модуль генерации выбирает место и формулировку рекомендации.

    The World Bank

    #Реклама и рекомендации#Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  64. Lumi: An LLM-Grounded System for Safety-Aware POI Recommendations

    Lumi передаёт языковой модели городской контекст и выбранную пользователем осторожность для поиска мест. Мобильный интерфейс показывает рекомендации с объяснениями после проверки структуры ответа.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  65. ReBait: From Clickbait to Informed Choice in Live News Recommendation Feeds

    ReBait обнаруживает новостные карточки браузерным расширением и классифицирует заголовки. Подсказки на этапе выбора добавляют контекст без замены ранжирования ленты.

    National Cheng Kung University

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  66. Tasteprint: Cross-Platform Recommendation Agent

    Tasteprint собирает разрешённую активность разных платформ через пользовательского агента. Наблюдения отделяются от предварительных гипотез профиля и дальнейшего рекомендательного решения.

    Nanjing University of Information Science and Technology, Nanyang Technological University +2

    #Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  67. WiseFood: A Multi-Task Conversational Recommender for Trustworthy, Integrated, and Personalized Dietary Guidance

    WiseFood объединяет ответы о питании, адаптацию рецептов и планирование рациона через общую память. Происхождение источников и жёсткие ограничения отделяются от языковой генерации.

    ATHENA Research Center, Infili Technologies SA +1

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  68. Aligning Algorithms with Axiology: Operationalizing Journalistic Values in News Recommender Systems

    Программа предлагает совместно с журналистами определить ценности новостного ранжирования. Предварительные качественные исследования должны перейти в технические критерии и полевой тест.

    University of Colorado Boulder

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  69. Discover Weakly No More: User-Centric Design Criteria for Discovery in Music Recommendation

    Программа исследования музыкальных открытий разделяет случайную встречу, обновление и обогащение опыта. Предварительная модель допускает разные сочетания условий, включая возвращение к давним вкусам.

    University of Oxford

    #Объяснения и контроль#Оценка и причинность#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  70. From Click Modeling to Offline and Off-Policy Evaluation in Carousel Recommendation

    Программа связывает eye-tracking и навигацию с моделью реально рассмотренного множества в карусели. На этой основе предлагается строить офлайн- и off-policy-оценивание.

    University of Amsterdam

    #Оценка и причинность#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  71. Teaching Recommenders to Listen: Bidirectional Natural-Language Control for Personalized News

    Программа новостного управления предлагает постоянную текстовую инструкцию для сборки коллекции поверх ранкера. Отдельный отчёт должен объяснять исполнение, ограничения и повод уточнить пожелание.

    University of Minnesota, Twin Cities

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  72. Multi-Modal Semantic Expansion with Constrained LLM Reranking for Conversational Music Recommendation

    Челлендж-система объединяет лексический и мультимодальный музыкальный retrieval. Ограниченный языковой реранкер уточняет кандидатов с учётом доступной истории сессии.

    National Institute of Technology Kurukshetra, Queen Mary University of London

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Отчёт челленджаZotero ↗

  73. Timing-Aware Repurchase Prediction for Web-Scale E-Commerce: Survival Models for Multi-Surface Grocery Recommendation

    Повторная покупка моделируется как время до события с учётом цензурирования. Survival-цели сравниваются при общих признаках и базовой архитектуре.

    Walmart Global Tech

    #Кросс-домен и мультимодальность#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

RecSys2026

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