Buchumschlag

Density-based User Representation using Gaussian Process Regression for Multi-interest Personalized Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Haolun, Meshi, Ofer, Zoghi, Masrour, Diaz, Fernando, Liu, Xue, Boutilier, Craig, Karimzadehgan, Maryam
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Unified Model and Document Representation for On-Device Retrieval-Augmented Generation
von: Killingback, Julian, et al.
Veröffentlicht: (2026)

Minimizing Live Experiments in Recommender Systems: User Simulation to Evaluate Preference Elicitation Policies
von: Hsu, Chih-Wei, et al.
Veröffentlicht: (2024)

IRA: Adaptive Interest-aware Representation and Alignment for Personalized Multi-interest Retrieval
von: Lee, Youngjune, et al.
Veröffentlicht: (2025)

Asking Clarifying Questions for Preference Elicitation With Large Language Models
von: Montazeralghaem, Ali, et al.
Veröffentlicht: (2025)

Optimizing User Profiles via Contextual Bandits for Retrieval-Augmented LLM Personalization
von: Du, Linfeng, et al.
Veröffentlicht: (2026)

Controllable User Simulation
von: Tennenholtz, Guy, et al.
Veröffentlicht: (2026)

Personalize Before Retrieve: LLM-based Personalized Query Expansion for User-Centric Retrieval
von: Zhang, Yingyi, et al.
Veröffentlicht: (2025)

Prompt-based Multi-interest Learning Method for Sequential Recommendation
von: Dong, Xue, et al.
Veröffentlicht: (2024)

Learning to Reason for Multi-Step Retrieval of Personal Context in Personalized Question Answering
von: Amirizaniani, Maryam, et al.
Veröffentlicht: (2026)

Modeling Long-term User Behaviors with Diffusion-driven Multi-interest Network for CTR Prediction
von: Lai, Weijiang, et al.
Veröffentlicht: (2025)

U-Sticker: A Large-Scale Multi-Domain User Sticker Dataset for Retrieval and Personalization
von: Chee, Heng Er Metilda, et al.
Veröffentlicht: (2025)

TME-PSR: Time-aware, Multi-interest, and Explanation Personalization for Sequential Recommendation
von: Wang, Qingzhuo, et al.
Veröffentlicht: (2026)

Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval
von: Zhang, Yingyi, et al.
Veröffentlicht: (2026)

TEARS: Textual Representations for Scrutable Recommendations
von: Penaloza, Emiliano, et al.
Veröffentlicht: (2024)

LLM-based Bi-level Multi-interest Learning Framework for Sequential Recommendation
von: Qiao, Shutong, et al.
Veröffentlicht: (2024)

User Long-Term Multi-Interest Retrieval Model for Recommendation
von: Meng, Yue, et al.
Veröffentlicht: (2025)

Diffusion-based Contrastive Learning for Sequential Recommendation
von: Cui, Ziqiang, et al.
Veröffentlicht: (2024)

ConvApparel: A Benchmark Dataset and Validation Framework for User Simulators in Conversational Recommenders
von: Meshi, Ofer, et al.
Veröffentlicht: (2026)

Give Users the Wheel: Towards Promptable Recommendation Paradigm
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2026)

Unleashing the Potential of Multi-Channel Fusion in Retrieval for Personalized Recommendations
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

Towards Group-aware Search Success
von: Wu, Haolun, et al.
Veröffentlicht: (2024)

Investigating Multi-layer Representations for Dense Passage Retrieval
von: Xie, Zhongbin, et al.
Veröffentlicht: (2025)

Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion
von: Jiang, Pengcheng, et al.
Veröffentlicht: (2026)

Empowering Retrieval-based Conversational Recommendation with Contrasting User Preferences
von: Kook, Heejin, et al.
Veröffentlicht: (2025)

What Else Would I Like? A User Simulator using Alternatives for Improved Evaluation of Fashion Conversational Recommendation Systems
von: Vlachou, Maria, et al.
Veröffentlicht: (2024)

Counterfactual Multi-player Bandits for Explainable Recommendation Diversification
von: Zhang, Yansen, et al.
Veröffentlicht: (2025)

Predicting Retrieval Utility and Answer Quality in Retrieval-Augmented Generation
von: Tian, Fangzheng, et al.
Veröffentlicht: (2026)

Personalized Multi-Interest Modeling for Cross-Domain Recommendation to Cold-Start Users
von: Li, Xiaodong, et al.
Veröffentlicht: (2026)

Category-Oriented Representation Learning for Image to Multi-Modal Retrieval
von: Cheng, Zida, et al.
Veröffentlicht: (2023)

Multimodal Item Scoring for Natural Language Recommendation via Gaussian Process Regression with LLM Relevance Judgments
von: Liu, Yifan, et al.
Veröffentlicht: (2025)

HyMiRec: A Hybrid Multi-interest Learning Framework for LLM-based Sequential Recommendation
von: Zhou, Jingyi, et al.
Veröffentlicht: (2025)

Hierarchical Multi-field Representations for Two-Stage E-commerce Retrieval
von: Freymuth, Niklas, et al.
Veröffentlicht: (2025)

RAQG-QPP: Query Performance Prediction with Retrieved Query Variants and Retrieval Augmented Query Generation
von: Tian, Fangzheng, et al.
Veröffentlicht: (2026)

Synergizing Implicit and Explicit User Interests: A Multi-Embedding Retrieval Framework at Pinterest
von: Fan, Zhibo, et al.
Veröffentlicht: (2025)

RimiRec: Modeling Refined Multi-interest in Hierarchical Structure for Recommendation
von: Pei, Haolei, et al.
Veröffentlicht: (2024)

ReaKase-8B: Legal Case Retrieval via Knowledge and Reasoning Representations with LLMs
von: Tang, Yanran, et al.
Veröffentlicht: (2025)

On Precomputation and Caching in Information Retrieval Experiments with Pipeline Architectures
von: MacAvaney, Sean, et al.
Veröffentlicht: (2025)

LTRR: Learning To Rank Retrievers for LLMs
von: Kim, To Eun, et al.
Veröffentlicht: (2025)

Result Diversification in Search and Recommendation: A Survey
von: Wu, Haolun, et al.
Veröffentlicht: (2022)

LLM Agents Enable User-Governed Personalization Beyond Platform Boundaries
von: Lin, Jiacheng, et al.
Veröffentlicht: (2026)