Buchumschlag

Empirical and Experimental Perspectives on Big Data in Recommendation Systems: A Comprehensive Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Taha, Kamal, Yoo, Paul D., Taha, Aya
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unlocking Criminal Hierarchies: A Survey, Experimental, and Comparative Exploration of Techniques for Identifying Leaders within Criminal Networks
von: Taha, Kamal, et al.
Veröffentlicht: (2024)

Empirical and Experimental Insights into Data Mining Techniques for Crime Prediction: A Comprehensive Survey
von: Taha, Kamal
Veröffentlicht: (2024)

A Comprehensive Survey on Self-Supervised Learning for Recommendation
von: Ren, Xubin, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Evaluation Techniques for Recommendation Systems
von: Jadon, Aryan, et al.
Veröffentlicht: (2023)

Embedding in Recommender Systems: A Survey
von: Wang, Maolin, et al.
Veröffentlicht: (2023)

Multimodal Recommender Systems: A Survey
von: Liu, Qidong, et al.
Veröffentlicht: (2023)

A Survey on Diffusion Models for Recommender Systems
von: Lin, Jianghao, et al.
Veröffentlicht: (2024)

Multi-Behavior Recommender Systems: A Survey
von: Kim, Kyungho, et al.
Veröffentlicht: (2025)

A Survey on LLM-based News Recommender Systems
von: Wang, Rongyao, et al.
Veröffentlicht: (2025)

A Survey on LLM-powered Agents for Recommender Systems
von: Peng, Qiyao, et al.
Veröffentlicht: (2025)

A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
von: Raza, Shaina, et al.
Veröffentlicht: (2024)

A Survey of Retrieval Algorithms in Ad and Content Recommendation Systems
von: Zhao, Yu, et al.
Veröffentlicht: (2024)

Large Language Model Enhanced Recommender Systems: A Survey
von: Liu, Qidong, et al.
Veröffentlicht: (2024)

The Importance of Causality in Decision Making: A Perspective on Recommender Systems
von: Cavenaghi, Emanuele, et al.
Veröffentlicht: (2024)

Pre-trained Recommender Systems: A Causal Debiasing Perspective
von: Lin, Ziqian, et al.
Veröffentlicht: (2023)

Graph Foundation Models for Recommendation: A Comprehensive Survey
von: Wu, Bin, et al.
Veröffentlicht: (2025)

Cold-Start Recommendation towards the Era of Large Language Models (LLMs): A Comprehensive Survey and Roadmap
von: Zhang, Weizhi, et al.
Veröffentlicht: (2025)

A Comprehensive Review on Harnessing Large Language Models to Overcome Recommender System Challenges
von: Raja, Rahul, et al.
Veröffentlicht: (2025)

Towards Next-Generation LLM-based Recommender Systems: A Survey and Beyond
von: Wang, Qi, et al.
Veröffentlicht: (2024)

Privacy Risks of LLM-Empowered Recommender Systems: An Inversion Attack Perspective
von: Wang, Yubo, et al.
Veröffentlicht: (2025)

Behavior Alignment: A New Perspective of Evaluating LLM-based Conversational Recommender Systems
von: Yang, Dayu, et al.
Veröffentlicht: (2024)

How Can Recommender Systems Benefit from Large Language Models: A Survey
von: Lin, Jianghao, et al.
Veröffentlicht: (2023)

A Survey on Large Language Models for Recommendation
von: Wu, Likang, et al.
Veröffentlicht: (2023)

USM: Unbiased Survey Modeling for Limiting Negative User Experiences in Recommendation Systems
von: Yu, Chenghui, et al.
Veröffentlicht: (2024)

A Survey on Popularity Bias in Recommender Systems
von: Klimashevskaia, Anastasiia, et al.
Veröffentlicht: (2023)

AdaF^2M^2: Comprehensive Learning and Responsive Leveraging Features in Recommendation System
von: Zhu, Yongchun, et al.
Veröffentlicht: (2025)

Personalized Recommendation Models in Federated Settings: A Survey
von: Zhang, Chunxu, et al.
Veröffentlicht: (2025)

A Survey of Foundation Model-Powered Recommender Systems: From Feature-Based, Generative to Agentic Paradigms
von: Huang, Chengkai, et al.
Veröffentlicht: (2025)

Visualization for Recommendation Explainability: A Survey and New Perspectives
von: Chatti, Mohamed Amine, et al.
Veröffentlicht: (2023)

SRBench: A Comprehensive Benchmark for Sequential Recommendation with Large Language Models
von: Li, Jianhong, et al.
Veröffentlicht: (2026)

A Survey of Latent Factor Models in Recommender Systems
von: Alshbanat, Hind I., et al.
Veröffentlicht: (2024)

Membership Inference Attacks on Recommender System: A Survey
von: He, Jiajie, et al.
Veröffentlicht: (2025)

Interaction-Data-guided Conditional Instrumental Variables for Debiasing Recommender Systems
von: Huang, Zhirong, et al.
Veröffentlicht: (2024)

Data Imputation using Large Language Model to Accelerate Recommendation System
von: Ding, Zhicheng, et al.
Veröffentlicht: (2024)

DNS-Rec: Data-aware Neural Architecture Search for Recommender Systems
von: Zhang, Sheng, et al.
Veröffentlicht: (2024)

Investigating the Robustness of Sequential Recommender Systems Against Training Data Perturbations
von: Betello, Filippo, et al.
Veröffentlicht: (2023)

When Text-as-Vision Meets Semantic IDs in Generative Recommendation: An Empirical Study
von: Qiao, Shutong, et al.
Veröffentlicht: (2026)

Retrieval and Distill: A Temporal Data Shift-Free Paradigm for Online Recommendation System
von: Zheng, Lei, et al.
Veröffentlicht: (2024)

Link, Synthesize, Retrieve: Universal Document Linking for Zero-Shot Information Retrieval
von: Hwang, Dae Yon, et al.
Veröffentlicht: (2024)

ItemRAG: Item-Based Retrieval-Augmented Generation for LLM-Based Recommendation
von: Kim, Sunwoo, et al.
Veröffentlicht: (2025)