НаправлениеGRAPH

Коллаборативность и геометрия представлений

Граф, разреженный код и смешанный эмбеддинг по-разному переносят коллективный сигнал. Отдельный вопрос — полезно ли соседство, дёшево ли это обслуживать и что означают координаты.

50 материалов с этим тегом · 12 с этой темой в качестве главной · в каталоге →

1. 01

   Источник рёбер важнее универсального обещания графовой сети

   GSPRec получает симметричное соседство из последовательных переходов, TransRA объединяет разные сущности в обслуживаемом пространстве, а RankGraph согласует граф с жизненным циклом выдачи. Получаются разные потери информации: исчезает направление перехода, упрощаются отношения или предвычисляется контекст. Преимущество полного графового пакета нельзя автоматически приписать агрегатору, если одновременно расширился сам входной сигнал. Twiner сохраняет направление переходов между корзинами и добавляет персональный рекуррентный контекст. Его преимущество для новых товаров не превращается в лидерство по общей полноте, а кратчайший путь по вниманию не объясняет автоматически полную рекуррентную оценку. SSPRec напоминает о другой зависимости графа от времени: смена кластеров требует согласования координат, прежде чем разницу распределений можно трактовать как дрейф пользователя.

   • GSPRec: On Improving Item Representations in Graph Signal Processing for Collaborative Filtering
   • Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads
   • RankGraph-2: Lifecycle Co-Design for Billion-Node Graph Learning in Recommendation
   • Enriching Graph-Based Modeling with Sequential Signals for Explainable Course Recommendation
   • Stabilizing Stability and Plasticity in Graph-based Continual Recommender System
2. 02

   Разрежение может очищать геометрию, но не гарантирует объяснимости

   Работа о холодных мультимодальных товарах меняет активацию перед разрежением, а SAE domain adapters учатся реконструировать исходное пространство без взаимодействий. COMPRESSO делает такие варианты удобными для повторного использования. Это аргумент за контроль геометрии и нормировки, но не за автоматическую семантическую интерпретацию каждой координаты: исходный ненормированный baseline и отсутствие пользовательской проверки способны преувеличить вывод.

   • Learning Sparse Representations of Multimodal Content for Enhanced Cold Item Recommendation
   • Sparse Autoencoders as Semantic Domain Adapters for Recommender Systems
   • COMPRESSO: Espresso-Style Sparse Representation Learning for Interpretable Recommender Systems
3. 03

   Общее пространство и независимые ветви отвечают на разные виды конфликта

   EnsRec сохраняет независимые ID- и текстовые энкодеры ради комплементарности ошибок. EGR совместно формирует пространство объектов и историй, а ESP выделяет целям отдельные подпространства внутри общего индекса. Выбор зависит от природы конфликта: несходство успешных случаев поддерживает ансамбль, конфликт целевых направлений — разделение ёмкости. Ни один вариант не отменяет контроля параметров и стоимости, а при слабом конфликте общее пространство может быть выгоднее.

   • Exploiting ID-Text Complementarity via Ensembling for Sequential Recommendation
   • EGR: Embedding-Native Generative Retrieval with a Shared LLM
   • Embedding Subspace Partitioning for Dynamic Multi-Objective Retrieval

Работы по теме

1. 004

   Addressing Cross-Stage Decoupling of Semantic and Collaborative Signals in Generative Recommendation

   #Генерация и семантические коды#Коллаборативность и геометрия представлений
2. 008

   Bilateral Intent-Enhanced Sequential Recommendation with Embedding Perturbation-Based Contrastive Learning

   #История, время и последовательности#Коллаборативность и геометрия представлений
3. 011

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

   #Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений
4. 024

   FiCoRec: Fine-Grained Contrastive Learning with Dual Aggregation for Sequential Recommendation

   #История, время и последовательности#Коллаборативность и геометрия представлений
5. 026

   GSPRec: On Improving Item Representations in Graph Signal Processing for Collaborative Filtering

   #Коллаборативность и геометрия представлений#История, время и последовательности
6. 028

   GateBoxGCN: Hard-Soft Gated Box Embeddings with Graph Convolution for Recommendation

   #Коллаборативность и геометрия представлений
7. 033

   CoFiRec: Coarse-to-Fine Tokenization for Generative Recommendation

   #Генерация и семантические коды#Коллаборативность и геометрия представлений
8. 037

   Learning Sparse Representations of Multimodal Content for Enhanced Cold Item Recommendation

   #Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
9. 042

   On Reranking Space for Multi-Tenant Retrieval with Adapted Queries

   #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
10. 044

    Probabilistic Residual Learning for Online Recommendations

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Оценка, причинность и достоверность вывода
11. 045

    Purifying Interaction Sequences: Topology-Aware Spectral Denoising for Side-Information Integrated Sequential Recommendation

    #История, время и последовательности#Коллаборативность и геометрия представлений
12. 052

    Stabilizing Stability and Plasticity in Graph-based Continual Recommender System

    #Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
13. 053

    TAGRec: Tailness-Aware Gate for Sequential Recommendation under Long-Tailed Distributions

    #История, время и последовательности#Коллаборативность и геометрия представлений
14. 059

    Topology-Aware Tokenization for Generative Recommendation

    #Генерация и семантические коды#Коллаборативность и геометрия представлений
15. 066

    Assessing Sentiment Semantics in KG-Based Explainable Recommender Systems

    #Коллаборативность и геометрия представлений#Контроль, объяснения и интересы участников
16. 069

    Candidate Retrieval for Provider Fairness under Severe Recommendation Imbalance

    #Контроль, объяснения и интересы участников#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
17. 070

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

    #Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений
18. 073

    Distribution-Level Contrastive Supervision for Generative Recommendation

    #Генерация и семантические коды#Коллаборативность и геометрия представлений
19. 074

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

    #Генерация и семантические коды#Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений
20. 075

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

    #Коллаборативность и геометрия представлений#История, время и последовательности#Контроль, объяснения и интересы участников
21. 081

    Personalized Recommendation Tool Learning via Autonomous Language Agents

    #Языковые модели, диалог и агенты#Коллаборативность и геометрия представлений#История, время и последовательности
22. 084

    Probing the LLMs for Generating User Profile of Session-based Social Recommendation

    #Языковые модели, диалог и агенты#История, время и последовательности#Коллаборативность и геометрия представлений
23. 085

    Scaling LLM-Enhanced Linear Autoencoders to Industrial-Size Catalogs

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
24. 086

    Structure-Preserving Projection for Mitigating Modality Bias in LLM-Based Sequential Recommendation

    #Языковые модели, диалог и агенты#Коллаборативность и геометрия представлений#История, время и последовательности
25. 089

    Towards Efficient Hyperbolic Representation Learning for Recommender Systems

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
26. 091

    Exploiting ID-Text Complementarity via Ensembling for Sequential Recommendation

    #История, время и последовательности#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
27. 097

    EachMovie: archaeology of a first latent recommender system

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
28. 099

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

    #Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты#Контроль, объяснения и интересы участников
29. 106

    Attacking and Defending Multi-Agent Collaborative Filtering Systems Through Connectivity

    #Контроль, объяснения и интересы участников#Языковые модели, диалог и агенты#Коллаборативность и геометрия представлений
30. 111

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

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Контроль, объяснения и интересы участников
31. 130

    EGR: Embedding-Native Generative Retrieval with a Shared LLM

    #Языковые модели, диалог и агенты#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
32. 131

    Embedding Subspace Partitioning for Dynamic Multi-Objective Retrieval

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
33. 132

    Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads

    #Реклама и рекомендации#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
34. 146

    Interest Sequence for User Modeling in Industrial Short-Form Video Recommendation

    #Промышленное ранжирование и стоимость#История, время и последовательности#Коллаборативность и геометрия представлений
35. 155

    MESH: Scaling Up Retrieval with Heterogeneous Content Unification

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
36. 159

    Mosaic: A Fleet of User Embedding Specialists for Recommendation at Meta

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
37. 167

    Personalizing Incremental Video Search with Hybrid Text and ID Embeddings

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
38. 172

    RankGraph-2: Lifecycle Co-Design for Billion-Node Graph Learning in Recommendation

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
39. 180

    Space Efficient Item Embeddings for Large Recommender Systems

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Контроль, объяснения и интересы участников
40. 181

    Structuring and Tokenizing Distributed User Interest Context for Generative Recommendation

    #Генерация и семантические коды#Коллаборативность и геометрия представлений
41. 182

    TSSR-Beta: Enhancing Billion-Scale E-Commerce Semantic Retrieval via Representation-Level Interaction

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
42. 188

    Towards Reliable Social A/B Testing: Spillover-Contained Clustering with Robust Post-Experiment Analysis

    #Оценка, причинность и достоверность вывода#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
43. 194

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

    #Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
44. 199

    Blended User Embeddings for Steerable Matrix Factorization

    #Контроль, объяснения и интересы участников#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
45. 223

    Sparse Autoencoders as Semantic Domain Adapters for Recommender Systems

    #Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
46. 230

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

    #Оценка, причинность и достоверность вывода#Коллаборативность и геометрия представлений
47. 233

    COMPRESSO: Espresso-Style Sparse Representation Learning for Interpretable Recommender Systems

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
48. 237

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

    #Коллаборативность и геометрия представлений#Домены, группы и мультимодальные задачи
49. 258

    Unbiased Recommender Systems with Implicit Feedback

    #Оценка, причинность и достоверность вывода#Коллаборативность и геометрия представлений
50. 260

    Keeping the Index Open: The Recommendation-Side Cost of Shared Search and Recommendation

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Оценка, причинность и достоверность вывода