Buchumschlag

When Large Language Models Meet Personalization: Perspectives of Challenges and Opportunities

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jin, Liu, Zheng, Huang, Xu, Wu, Chenwang, Liu, Qi, Jiang, Gangwei, Pu, Yuanhao, Lei, Yuxuan, Chen, Xiaolong, Wang, Xingmei, Lian, Defu, Chen, Enhong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Information Retrieval Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Deep Tree-based Retriever for Efficient Recommendation: Theory and Method
von: Liu, Ze, et al.
Veröffentlicht: (2024)

Learning to Substitute Components for Compositional Generalization
von: Li, Zhaoyi, et al.
Veröffentlicht: (2025)

Is Softmax Loss All You Need? A Principled Analysis of Softmax-family Loss
von: Pu, Yuanhao, et al.
Veröffentlicht: (2026)

Beyond Surrogates: A Quantitative Analysis for Inter-Metric Relationships
von: Pu, Yuanhao, et al.
Veröffentlicht: (2026)

Similar Users-Augmented Interest Network
von: Chen, Xiaolong, et al.
Veröffentlicht: (2026)

Deep Group Interest Modeling of Full Lifelong User Behaviors for CTR Prediction
von: Liu, Qi, et al.
Veröffentlicht: (2023)

Efficient Transfer Learning Framework for Cross-Domain Click-Through Rate Prediction
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Efficient Machine Unlearning via Influence Approximation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

CELA: Cost-Efficient Language Model Alignment for CTR Prediction
von: Wang, Xingmei, et al.
Veröffentlicht: (2024)

DLF: Enhancing Explicit-Implicit Interaction via Dynamic Low-Order-Aware Fusion for CTR Prediction
von: Wang, Kefan, et al.
Veröffentlicht: (2025)

NDCG-Consistent Softmax Approximation with Accelerated Convergence
von: Pu, Yuanhao, et al.
Veröffentlicht: (2025)

DynLLM: When Large Language Models Meet Dynamic Graph Recommendation
von: Zhao, Ziwei, et al.
Veröffentlicht: (2024)

Generative Large Recommendation Models: Emerging Trends in LLMs for Recommendation
von: Wang, Hao, et al.
Veröffentlicht: (2025)

RecExplainer: Aligning Large Language Models for Explaining Recommendation Models
von: Lei, Yuxuan, et al.
Veröffentlicht: (2023)

Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations
von: Huang, Xu, et al.
Veröffentlicht: (2023)

Towards A Generalist Code Embedding Model Based On Massive Data Synthesis
von: Li, Chaofan, et al.
Veröffentlicht: (2025)

Dataset Regeneration for Sequential Recommendation
von: Yin, Mingjia, et al.
Veröffentlicht: (2024)

Securing Recommender System via Cooperative Training
von: Wang, Qingyang, et al.
Veröffentlicht: (2024)

MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation
von: Tong, Junxiong, et al.
Veröffentlicht: (2024)

FuXi-β: Towards a Lightweight and Fast Large-Scale Generative Recommendation Model
von: Ye, Yufei, et al.
Veröffentlicht: (2025)

From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models
von: Yin, Mingjia, et al.
Veröffentlicht: (2025)

Learned Data Compression: Challenges and Opportunities for the Future
von: Liu, Qiyu, et al.
Veröffentlicht: (2024)

Aligning Language Models for Versatile Text-based Item Retrieval
von: Lei, Yuxuan, et al.
Veröffentlicht: (2024)

Learning Recommender Systems with Soft Target: A Decoupled Perspective
von: Zhang, Hao, et al.
Veröffentlicht: (2024)

Exploring User Retrieval Integration towards Large Language Models for Cross-Domain Sequential Recommendation
von: Shen, Tingjia, et al.
Veröffentlicht: (2024)

ReasonEmbed: Enhanced Text Embeddings for Reasoning-Intensive Document Retrieval
von: Chen, Jianlyu, et al.
Veröffentlicht: (2025)

A Universal Framework for Compressing Embeddings in CTR Prediction
von: Wang, Kefan, et al.
Veröffentlicht: (2025)

Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction
von: Xu, Xiang, et al.
Veröffentlicht: (2024)

END4Rec: Efficient Noise-Decoupling for Multi-Behavior Sequential Recommendation
von: Han, Yongqiang, et al.
Veröffentlicht: (2024)

A Unified Framework for Adaptive Representation Enhancement and Inversed Learning in Cross-Domain Recommendation
von: Zhang, Luankang, et al.
Veröffentlicht: (2024)

When Box Meets Graph Neural Network in Tag-aware Recommendation
von: Lin, Fake, et al.
Veröffentlicht: (2024)

FuXi-Linear: Unleashing the Power of Linear Attention in Long-term Time-aware Sequential Recommendation
von: Ye, Yufei, et al.
Veröffentlicht: (2026)

FuXi-$α$: Scaling Recommendation Model with Feature Interaction Enhanced Transformer
von: Ye, Yufei, et al.
Veröffentlicht: (2025)

Can Recommender Systems Teach Themselves? A Recursive Self-Improving Framework with Fidelity Control
von: Zhang, Luankang, et al.
Veröffentlicht: (2026)

Learning Partially Aligned Item Representation for Cross-Domain Sequential Recommendation
von: Yin, Mingjia, et al.
Veröffentlicht: (2024)

Denoising Pre-Training and Customized Prompt Learning for Efficient Multi-Behavior Sequential Recommendation
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Understanding Privacy Risks of Embeddings Induced by Large Language Models
von: Zhu, Zhihao, et al.
Veröffentlicht: (2024)

Killing Two Birds with One Stone: Unifying Retrieval and Ranking with a Single Generative Recommendation Model
von: Zhang, Luankang, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Large Language Models for Explainable Recommendations
von: Luo, Yucong, et al.
Veröffentlicht: (2023)

A Comprehensive Survey on Cross-Domain Recommendation: Taxonomy, Progress, and Prospects
von: Zhang, Hao, et al.
Veröffentlicht: (2025)