Buchumschlag

Preference-Consistent Knowledge Distillation for Recommender System

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Zhangchi, Zhang, Wei
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

Rejuvenating Cross-Entropy Loss in Knowledge Distillation for Recommender Systems
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2025)

Exploring Feature-based Knowledge Distillation for Recommender System: A Frequency Perspective
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2024)

Break the Optimization Barrier of LLM-Enhanced Recommenders: A Theoretical Analysis and Practical Framework
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2026)

Are LLM-based Recommenders Already the Best? Simple Scaled Cross-entropy Unleashes the Potential of Traditional Sequential Recommenders
von: Xu, Cong, et al.
Veröffentlicht: (2024)

Understanding the Role of Cross-Entropy Loss in Fairly Evaluating Large Language Model-based Recommendation
von: Xu, Cong, et al.
Veröffentlicht: (2024)

Rank-Preference Consistency as the Appropriate Metric for Recommender Systems
von: Nguyen, Tung, et al.
Veröffentlicht: (2024)

Reasoning over User Preferences: Knowledge Graph-Augmented LLMs for Explainable Conversational Recommendations
von: Qiu, Zhangchi, et al.
Veröffentlicht: (2024)

PromptMM: Multi-Modal Knowledge Distillation for Recommendation with Prompt-Tuning
von: Wei, Wei, et al.
Veröffentlicht: (2024)

Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems
von: Qiu, Zhangchi, et al.
Veröffentlicht: (2023)

Knowledge Distillation Approaches for Accurate and Efficient Recommender System
von: Kang, SeongKu
Veröffentlicht: (2024)

ASPIRE: Make Spectral Graph Collaborative Filtering Great Again via Adaptive Filter Learning
von: He, Yunhang, et al.
Veröffentlicht: (2026)

Spatial-Temporal Knowledge Distillation for Takeaway Recommendation
von: Zhao, Shuyuan, et al.
Veröffentlicht: (2024)

Reinforced Preference Optimization for Recommendation
von: Tan, Junfei, et al.
Veröffentlicht: (2025)

Continual Collaborative Distillation for Recommender System
von: Lee, Gyuseok, et al.
Veröffentlicht: (2024)

Enhancing LLM-based Recommendation with Preference Hint Discovery from Knowledge Graph
von: Zhang, Yuting, et al.
Veröffentlicht: (2026)

Knowledge Enhanced Multi-intent Transformer Network for Recommendation
von: Zou, Ding, et al.
Veröffentlicht: (2024)

BPL: Bias-adaptive Preference Distillation Learning for Recommender System
von: Kang, SeongKu, et al.
Veröffentlicht: (2025)

DIET: Learning to Distill Dataset Continually for Recommender Systems
von: Zhang, Jiaqing, et al.
Veröffentlicht: (2026)

Causal Distillation for Alleviating Performance Heterogeneity in Recommender Systems
von: Zhang, Shengyu, et al.
Veröffentlicht: (2024)

Direct Preference Optimization for LLM-Enhanced Recommendation Systems
von: Sun, Chao, et al.
Veröffentlicht: (2024)

Knowledge Graph Driven Recommendation System Algorithm
von: Zhang, Chaoyang, et al.
Veröffentlicht: (2023)

Graph Retrieval-Augmented LLM for Conversational Recommendation Systems
von: Qiu, Zhangchi, et al.
Veröffentlicht: (2025)

Improving the Consistency in Cross-Lingual Cross-Modal Retrieval with 1-to-K Contrastive Learning
von: Nie, Zhijie, et al.
Veröffentlicht: (2024)

Curriculum-scheduled Knowledge Distillation from Multiple Pre-trained Teachers for Multi-domain Sequential Recommendation
von: Sun, Wenqi, et al.
Veröffentlicht: (2024)

Bidirectional Knowledge Distillation for Enhancing Sequential Recommendation with Large Language Models
von: Wu, Jiongran, et al.
Veröffentlicht: (2025)

A Cognitive Distribution and Behavior-Consistent Framework for Black-Box Attacks on Recommender Systems
von: Zhang, Hongyue, et al.
Veröffentlicht: (2026)

Rethinking Multi-objective Ranking Ensemble in Recommender System: From Score Fusion to Rank Consistency
von: Xia, Boyang, et al.
Veröffentlicht: (2026)

Pre-trained Language Model and Knowledge Distillation for Lightweight Sequential Recommendation
von: Li, Li, et al.
Veröffentlicht: (2024)

Self-Distilled Reinforcement Learning for Co-Evolving Agentic Recommender Systems
von: Wang, Zongwei, et al.
Veröffentlicht: (2026)

Vague Preference Policy Learning for Conversational Recommendation
von: Zhang, Gangyi, et al.
Veröffentlicht: (2023)

Enhancing New-item Fairness in Dynamic Recommender Systems
von: Guo, Huizhong, et al.
Veröffentlicht: (2025)

A Practice-Friendly LLM-Enhanced Paradigm with Preference Parsing for Sequential Recommendation
von: Liu, Dugang, et al.
Veröffentlicht: (2024)

Preference Diffusion for Recommendation
von: Liu, Shuo, et al.
Veröffentlicht: (2024)

Proactive Recommendation with Iterative Preference Guidance
von: Bi, Shuxian, et al.
Veröffentlicht: (2024)

Coherence-guided Preference Disentanglement for Cross-domain Recommendations
von: Xiang, Zongyi, et al.
Veröffentlicht: (2024)

User Simulator-Guided Multi-Turn Preference Optimization for Reasoning LLM-based Conversational Recommendation
von: Xiang, Xingyuan, et al.
Veröffentlicht: (2026)

Reason4Rec: Large Language Models for Recommendation with Deliberative User Preference Alignment
von: Fang, Yi, et al.
Veröffentlicht: (2025)

Integrating Structure-Aware Attention and Knowledge Graphs in Explainable Recommendation Systems
von: Lyu, Shuangquan, et al.
Veröffentlicht: (2025)

Fading to Grow: Growing Preference Ratios via Preference Fading Discrete Diffusion for Recommendation
von: Hu, Guoqing, et al.
Veröffentlicht: (2025)

MLPs are Efficient Distilled Generative Recommenders
von: Guo, Zitian, et al.
Veröffentlicht: (2026)