К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 75 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 75 найденных, риска — весь корпус
Генеративные рекомендации 3Последовательные рекомендации 6Языковые модели и агенты 31Коллаборативные модели 8Оценка и причинность 23Объяснения и контроль 75Промышленные системы 15Кросс-домен и мультимодальность 21Реклама и рекомендации 3
Контроль, объяснения и интересы участниковСбросить фильтры

  1. A Redundancy Reduction Approach for Controllable Sequential Recommendations

    Истории с одинаковым целевым товаром образуют положительные пары для декорреляции представлений. Сила вспомогательного лосса управляет геометрией признаков и распределением рекомендаций.

    Yandex, Applied AI Institute +3

    #Объяснения и контроль#Последовательные рекомендации

    Публикация конференцииZotero ↗

  2. 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 ↗

  3. Decoupled Learning and Selection in Slate Recommendation for Privacy and Stability Under Noisy Scores

    Обучение оценок отделено от детерминированной сборки рекомендательного списка. Селектор комбинирует релевантность, разнообразие и новизну и сохраняет данные для воспроизведения выдачи.

    University of Bergen

    #Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  4. 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 ↗

  5. FASC: A Feature Aspect-Level Sentiment Consistency Framework for Explainable Recommendation Evaluation

    FASC извлекает из отзывов аспекты и их тональность с согласованием языковых моделей. Объяснение оценивается по совпадению аспектов и полярности со структурированной разметкой.

    Central China Normal University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  6. From Constraint to Control: Modeling Expected Fairness in Ranking Systems

    Мягкое ранжирование позволяет оптимизировать экспозиционную справедливость с пороговым штрафом. Калибровочная зависимость связывает управляющий параметр с ожидаемым измеримым результатом.

    Laboratoire Hubert Curien, Konduco

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  7. 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 ↗

  8. 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 ↗

  9. Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces

    Наблюдаемые веб-действия превращаются в описания ситуации и конкурирующие гипотезы предпочтений. Агрегатор собирает эпизодический профиль с оценками уверенности.

    JPMorganChase

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  10. 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 ↗

  11. MaskPoison: Intent-Guided Poisoning Attacks on Sequential Recommendation via Masked Discrete Diffusion

    MaskPoison исследует отравление историй через условную маскированную диффузию. Двусторонний контекст делает синтетические последовательности поведенчески согласованными.

    Shanghai University of Finance and Economics, Fudan University +1

    #Объяснения и контроль#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  12. Membership Inference Attacks on In-Context Learning Recommendation

    Исследование измеряет статистический след демонстраций в рекомендациях in-context модели. Сравниваются совпадения выдачи и её устойчивость к изменению истории.

    University of Maryland, Baltimore County, McMaster University +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  13. 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 ↗

  14. 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 ↗

  15. 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 ↗

  16. The Utility of LLMs in Recommender Systems Explanation Evaluation

    Объяснения одной графовой рекомендации генерируются с разным составом промпта. Оценки языковых судей сопоставляются с человеческими суждениями.

    University of Zurich, Dublin City University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  17. There’s Something About You: Epistemic Recommendation for Latent Interest Discovery

    EGRec измеряет сдвиг прогнозов замороженной модели после гипотетической реакции на кандидата. Дополнительная сеть приближает дорогой сигнал для смешивания скоров или использования контекстным бандитом.

    The Walt Disney Company

    #Объяснения и контроль#Последовательные рекомендации#Оценка и причинность

    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. When Do Contrastive Explanations Really Matter in Recommender Systems?

    Пользовательское исследование сравнивает обычное обоснование с предложением альтернатив и ответом о конкретном исключённом объекте. Вручную написанные сценарии разделяют воспринимаемую необходимость, понятность и намерение выбора.

    Graz University of Technology, University of Oulu

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  20. When attention is bounded, structure matters: personalizing recommendation explanations under time constraints

    Предложения объяснения сортируются по явно указанным приоритетам пользователя. При ограниченном времени сравнивается порядок фактов без изменения их содержания.

    LAMSADE, Paris-Dauphine University +1

    #Объяснения и контроль

    Публикация конференцииZotero ↗

  21. Assessing Sentiment Semantics in KG-Based Explainable Recommender Systems

    Граф знаний разделяет отношения покупки, упоминания и тональности аспектов. Обучаемая политика выбирает объясняющие пути по sentiment-aware представлениям.

    University of Barcelona, University of Cagliari

    #Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  22. Candidate Retrieval for Provider Fairness under Severe Recommendation Imbalance

    FairSAE кодирует замороженные представления разреженным автоэнкодером. Сдвиг пользователя вдоль группового контраста меняет состав retrieval-кандидатов.

    Charles University, University of Cagliari

    #Объяснения и контроль#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  23. Comparability for Recommendation Model Evaluation and Selection from a Multi-stakeholder Perspective

    Работа нормирует выгоды разных участников относительно доступных возможностей. Затем способы агрегации сравниваются как разные нормативные критерии выбора модели.

    ETH Zurich

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  24. Enriching Graph-Based Modeling with Sequential Signals for Explainable Course Recommendation

    Twiner объединяет граф направленных переходов между корзинами с рекуррентной историей пользователя. Объяснения строятся как кратчайшие пути по графу с обученными весами внимания.

    Christopher Newport University, Florida International University

    #Коллаборативные модели#Последовательные рекомендации#Объяснения и контроль

    Публикация конференцииZotero ↗

  25. Interaction Modality and Trust: Investigating System-Driven Conversational Recommendation and Faceted Search

    Эксперимент сравнивает фасетные фильтры с диалоговым извлечением тех же предпочтений. Товары и порядок выдачи удерживаются одинаковыми при одинаковых настройках.

    Universität Wien, TU Wien

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  26. PriCoRec: A Privacy-Aware Cloud–Device Collaborative Framework for Ad Recommendation under Feature Constraints

    PriCoRec разделяет облачные и локальные признаки пользователя. Облачный shortlist разнообразится, чтобы локальный ранкер мог использовать недоступную серверу информацию.

    University College Dublin, Huawei Ireland Research Center

    #Реклама и рекомендации#Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  27. A Position Paper on Recommender Systems in the Era of Autonomous Agents

    Позиционная работа разделяет клиентского и платформенного агента. В постановку рекомендации добавляются запрашивающая сторона, явная цель и доступные ограничения.

    Nanyang Technological University

    #Языковые модели и агенты#Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  28. Backward and Inward: From Preferences to Personalization and the Safety Crisis Within Conversational Recommender Systems

    Работа систематизирует риски межсессионной памяти и персонализации диалога. Различаются легитимация намерения, поддакивание и перенос контекста между доменами.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  29. Beyond Passive Preference Inference: User-Governed Preference Memory and Calibrated Initiative in Recommender Systems

    Предлагается память предпочтений с происхождением, областью действия и отзывом записей. Инициатива системы рассматривается отдельно от хранения пользовательского состояния.

    Tsinghua University, Fudan University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  30. Forward and Outward: From Aggregate to Individual and Towards Human Understanding in Conversational Recommendation

    Концептуальная работа разделяет содержание, способ выражения и мотивацию предпочтений. Диалог рассматривается как помощь формированию выбора, а не только извлечение атрибутов.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  31. From Side Information and Knowledge Graphs to Large Language Models: Two Decades of Knowledge Integration in Recommender Systems

    Обзор сравнивает способы представления знаний от правил до графов и языковых моделей. Каждая смена представления анализируется по обновлению знания и возможности объяснить вычисление.

    Politecnico di Bari, University of Cagliari

    #Коллаборативные модели#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  32. From User–Item Edges to Exposure Allocation: Matching Evidence to Platform-Level Recommender Claims

    Работа отделяет свидетельства о локальной рекомендации от утверждений о распределении экспозиции. Мысленные контрпримеры проверяют зависимость вывода от ресурсов и состояния платформы.

    Stanford University

    #Оценка и причинность#Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  33. 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 ↗

  34. The Underrated Catalyst: Advancing Critiquing Towards Steerable and Next-Generation LLM Recommendations.

    Обзор трактует пользовательскую критику как контур изменения последующих рекомендаций. Исторические механизмы фильтров сопоставляются с управлением латентными и языковыми представлениями.

    Hainan Normal University, Central China Normal University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  35. 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 ↗

  36. User-Controlled Intent Layers for LLM-Mediated Personalization: A Research Agenda for Recommender Systems

    Предлагается управляемый человеком слой намерений между помощником и внешними сервисами. Он разделяет цели, ограничения, раскрытие данных и разрешённые действия.

    Fudan University, Microsoft Research Asia

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  37. Who Are We Recommending To? Recommender Systems in the Agentic Web

    Позиционная работа описывает спектр делегирования рекомендации агенту. Степень автономии связывается с выразимостью предпочтений, проверяемостью результата и обратимостью последствий.

    Spotify

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  38. Attacking and Defending Multi-Agent Collaborative Filtering Systems Through Connectivity

    Исследование варьирует связность многоагентной коллаборативной системы. Анализируется распространение нежелательного содержимого через обновляемую память и взаимодействия агентов.

    University of Oxford, Amazon

    #Объяснения и контроль#Языковые модели и агенты#Коллаборативные модели

    Публикация конференцииZotero ↗

  39. hoploy: a Plugin-Based Inference Layer for Path-Based Explainable Recommendation over Knowledge Graphs

    Hoploy оборачивает готовые графовые рекомендатели плагинами предметных областей. Обработчики переводят ограничения запроса в допустимые пути и разворачивают результаты в объяснения.

    University of Cagliari

    #Промышленные системы#Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  40. 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 ↗

  41. REEF: Real-time end-to-end Explore-Exploit framework for e-commerce Feeds

    REEF размечает взаимодействия как освоение знакомого или исследование нового по близости к истории. Отдельные ранкеры обучаются на этих режимах и смешиваются при выдаче.

    Meesho

    #Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  42. Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation

    Shape Your Feed переводит свободную пользовательскую обратную связь в намерения для существующего ранжирующего стека. Контекстные подсказки и агентный интерфейс делают управление лентой доступным через диалог.

    Meta Platforms, Inc.

    #Объяснения и контроль#Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  43. Space Efficient Item Embeddings for Large Recommender Systems

    Гибридная таблица сохраняет отдельные большие векторы популярных объектов и сжимает хвост общими представлениями. Низкоранговое разложение или множественное хеширование позволяют распределять ёмкость неравномерно.

    Boston University, Google

    #Промышленные системы#Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  44. Uncertainty-Aware Reward Modeling: A Large-Scale Case Study in Video Recommendation

    Лёгкий ранкер YouTube использует байесовский последний слой либо квантили награды для исследования кандидатов. Квантильная политика добавляет к медиане бонус за ширину интервала с отдельным правилом для телевизоров.

    Google YouTube, Google DeepMind

    #Промышленные системы#Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  45. Blended User Embeddings for Steerable Matrix Factorization

    BLUE кодирует текстовую сводку предпочтений и смешивает её с пользовательским фактором. Правка текста позволяет направлять матричную факторизацию без переобучения всей системы.

    Politecnico di Milano, Politecnico di Torino

    #Объяснения и контроль#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  46. Calibrating Recommendations on Ordinal Attributes

    Калибровка по упорядоченным атрибутам использует расстояния, учитывающие соседство значений. Эти меры становятся целью жадного реранжирования.

    Johannes Kepler University Linz, Albatross AI +1

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  47. 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 ↗

  48. 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 ↗

  49. 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 ↗

  50. How Faithful Is the Reasoning of LLM Recommenders? A Counterfactual Audit

    Контрфактический аудит меняет объясняющий текст при фиксированном запросе и кандидатах. Перефразирование и повтор исходного reasoning служат контролями изменения ранжирования.

    Microsoft

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  51. PCP-Decoding: Training-Free Personalized Category-Relative Popularity Calibration for Generative Retrieval

    PCP-Decoding нормирует популярность внутри категорий и переносит её на префиксы дерева. Персональная поправка меняет beam search без переобучения генератора.

    Zhejiang University, JD.com

    #Объяснения и контроль#Генеративные рекомендации

    Публикация конференцииZotero ↗

  52. Pairwise Ranking Outperforms Single-Action RL for Offline Explanation Selection: A Practical Lesson

    Для каждого запроса заранее создаётся пул объяснений с признаками текста и происхождения. Парный ранкер выбирает вариант и сравнивается с одношаговыми RL-подходами.

    Amazon

    #Объяснения и контроль#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  53. 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 ↗

  54. SERA: A Multi-Dimensional Evaluation Framework for Retail Agentic Shopping Assistants

    SERA переводит продуктовые и нормативные требования торгового агента в отдельные рубрики. Языковой судья оценивает полезность, соблюдение ограничений и риски с учётом контекста.

    Target Inc.

    #Оценка и причинность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  55. The Illusion of Control: Commensurability, Concentration, and Correlation in Multi-Objective Recommendation

    Работа измеряет доминирование целей в смешанном top-k по пересечению с отдельными выдачами. Нормировка и декорреляция скоров проверяют сопоставимость управляющих весов.

    Charles University

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  56. What price fairness? Evaluating Energy – Fairness – Accuracy Trade-off in Recommender Systems

    Работа сравнивает fairness-вмешательства внутри обучения, графа и готового списка. Качество и распределение экспозиции оцениваются вместе с энергозатратами.

    Johannes Kepler University Linz, ISISTAN, CONICET-UNCPBA

    #Объяснения и контроль#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  57. When Should Recommender Systems Not Act?

    Концептуальная рамка рассматривает обнаружение неуместного действия и выбор реакции системы. Воздержание, уточнение и изменение поведения связываются с последствиями ошибки.

    TU Wien, KTH Royal Institute of Technology +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  58. Whose Posts Get Ranked: Identical-Text Exposure Gaps in Bluesky Custom Feeds

    Естественные идентичные тексты разных авторов сравниваются в снимках одинаковой ленты. Фиксация текста и времени позволяет аудитировать разрывы ранговой видимости извне.

    Northeastern University (Boston, USA)

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  59. CORGI: Communal Feed Governance for Bluesky

    CORGI агрегирует голоса подписчиков в веса сигналов, тематические предпочтения и фильтры общей ленты. После административного утверждения политика применяется с сохранением версии и разложения оценок постов.

    University of Colorado Boulder

    #Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  60. 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 ↗

  61. 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 ↗

  62. 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 ↗

  63. 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 ↗

  64. StreamlitRecommenders: Towards Recommendation Inspectability as a New Reproducibility Standard

    StreamlitRecommenders подключает готовые модели к общему интерактивному интерфейсу истории и выдач. Сравнение идёт в одном пользовательском контексте с изменением параметров и обратной связью.

    Charles University, Recombee

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  65. 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 ↗

  66. ValueVet: Auditing Recommender Systems for Fairness and Value Alignment Using Constitutional AI Principles

    ValueVet превращает заданные принципы в критерии внешнего аудита. Парные сценарии меняют контролируемые пользовательские атрибуты для сравнения рекомендаций.

    University of Washington

    #Объяснения и контроль#Оценка и причинность#Языковые модели и агенты

    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. Human Value in Recommendations: Towards Improved Evaluation Measures

    Программа планирует собирать пользовательские оценки интереса, знакомости и ожидаемости объектов. Конструируемые по этой разметке списки должны помочь проверить человеческую ценность метрик.

    University of Waterloo

    #Оценка и причинность#Объяснения и контроль

    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. Toward Human-Aligned Recommender Systems via Cognitive and Behavioral User Modeling

    Программа определяет когнитивные характеристики и способы их вычислительного представления. Вывод характеристик из поведения отделяется от проверки их полезности пользователю.

    Drexel University

    #Объяснения и контроль

    Докторантский симпозиумZotero ↗

  73. Transparency and Control for Provider-side Recommendation Interfaces

    Интервью с демонстрацией интерфейсов исследуют понимание аналитики создателями контента. Продольный аудит и совместное проектирование планируются как дальнейшие этапы.

    University of Colorado Boulder

    #Объяснения и контроль

    Докторантский симпозиумZotero ↗

  74. Cognitive Biases in Recommender Systems — материалы COBIS RecSys 2026

    Материалы COBIS связывают психологические механизмы с поведением рекомендательных систем. Слайды и практикум показывают, как отделять гипотезу об искажении от измерения алгоритма.

    Johannes Kepler University Linz, Linz Institute of Technology

    #Объяснения и контроль#Оценка и причинность

    Материалы tutorialZotero ↗

  75. Cognitive Biases in Recommender Systems

    План COBIS сопоставляет когнитивные эвристики с позиционными и популярностными смещениями. Темы связывают решения человека с проектированием и оценкой рекомендателей.

    Johannes Kepler University Linz, Linz Institute of Technology +2

    #Объяснения и контроль#Оценка и причинность

    Аннотация tutorialZotero ↗

RecSys2026

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