Buchumschlag

Against Filter Bubbles: Diversified Music Recommendation via Weighted Hypergraph Embedding Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Chaoguang, Wen, Liuying, Qin, Yong, Yang, Liangwei, Hu, Zhineng, Yu, Philip S.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Knowledge Graph Context-Enhanced Diversified Recommendation
von: Liu, Xiaolong, et al.
Veröffentlicht: (2023)

Instruction-based Hypergraph Pretraining
von: Yang, Mingdai, et al.
Veröffentlicht: (2024)

Bursting Filter Bubble: Enhancing Serendipity Recommendations with Aligned Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

On Practical Diversified Recommendation with Controllable Category Diversity Framework
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Training Large Recommendation Models via Graph-Language Token Alignment
von: Yang, Mingdai, et al.
Veröffentlicht: (2025)

SGCL: Unifying Self-Supervised and Supervised Learning for Graph Recommendation
von: Zhang, Weizhi, et al.
Veröffentlicht: (2025)

Contextual Distillation Model for Diversified Recommendation
von: Li, Fan, et al.
Veröffentlicht: (2024)

Collaborative Semantic Alignment in Recommendation Systems
von: Wang, Chen, et al.
Veröffentlicht: (2023)

Tree of Preferences for Diversified Recommendation
von: Yuan, Hanyang, et al.
Veröffentlicht: (2025)

How to Diversify any Personalized Recommender?
von: Slokom, Manel, et al.
Veröffentlicht: (2024)

Simulating Filter Bubble on Short-video Recommender System with Large Language Model Agents
von: Sukiennik, Nicholas, et al.
Veröffentlicht: (2025)

Mixed Supervised Graph Contrastive Learning for Recommendation
von: Zhang, Weizhi, et al.
Veröffentlicht: (2024)

Dual-disentangle Framework for Diversified Sequential Recommendation
von: Zhang, Haoran, et al.
Veröffentlicht: (2025)

Personalized Multi-task Training for Recommender System
von: Yang, Liangwei, et al.
Veröffentlicht: (2024)

Taxonomy-Guided Zero-Shot Recommendations with LLMs
von: Liang, Yueqing, et al.
Veröffentlicht: (2024)

LLM-Guided Multi-View Hypergraph Learning for Human-Centric Explainable Recommendation
von: Chu, Zhixuan, et al.
Veröffentlicht: (2024)

RAU: Towards Regularized Alignment and Uniformity for Representation Learning in Recommendation
von: Wu, Xi, et al.
Veröffentlicht: (2025)

Graph-Sequential Alignment and Uniformity: Toward Enhanced Recommendation Systems
von: Cao, Yuwei, et al.
Veröffentlicht: (2024)

Heterogeneous Hypergraph Embedding for Recommendation Systems
von: Sakong, Darnbi, et al.
Veröffentlicht: (2024)

Echoes in Filter Bubble: Diagnosing and Curing Popularity Bias in Generative Recommenders
von: Yin, Jun, et al.
Veröffentlicht: (2026)

PDSR: A Privacy-Preserving Diversified Service Recommendation Method on Distributed Data
von: Wang, Lina, et al.
Veröffentlicht: (2024)

AlphaFuse: Learn ID Embeddings for Sequential Recommendation in Null Space of Language Embeddings
von: Hu, Guoqing, et al.
Veröffentlicht: (2025)

GENET: Unleashing the Power of Side Information for Recommendation via Hypergraph Pre-training
von: Li, Yang, et al.
Veröffentlicht: (2023)

Filter Bubble or Homogenization? Disentangling the Long-Term Effects of Recommendations on User Consumption Patterns
von: Anwar, Md Sanzeed, et al.
Veröffentlicht: (2024)

Learning to Hash for Recommendation: A Survey
von: Luo, Fangyuan, et al.
Veröffentlicht: (2024)

Beyond Item Dissimilarities: Diversifying by Intent in Recommender Systems
von: Wang, Yuyan, et al.
Veröffentlicht: (2024)

An Aspect Performance-aware Hypergraph Neural Network for Review-based Recommendation
von: Liu, Junrui, et al.
Veröffentlicht: (2025)

MMHCL: Multi-Modal Hypergraph Contrastive Learning for Recommendation
von: Guo, Xu, et al.
Veröffentlicht: (2025)

Multi-Modal Hypergraph Enhanced LLM Learning for Recommendation
von: Guo, Xu, et al.
Veröffentlicht: (2025)

Do We Really Need Graph Convolution During Training? Light Post-Training Graph-ODE for Efficient Recommendation
von: Zhang, Weizhi, et al.
Veröffentlicht: (2024)

Understanding Embedding Scaling in Collaborative Filtering
von: He, Yicheng, et al.
Veröffentlicht: (2025)

Collaborative Filtering Through Weighted Similarities of User and Item Embeddings
von: Pires, Pedro R., et al.
Veröffentlicht: (2026)

PersonaAct: Simulating Short-Video Users with Personalized Agents for Counterfactual Filter Bubble Auditing
von: Zhao, Shilong, et al.
Veröffentlicht: (2026)

Lightweight Embeddings for Graph Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2024)

Beyond Graph Convolution: Multimodal Recommendation with Topology-aware MLPs
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

QAGCF: Graph Collaborative Filtering for Q&A Recommendation
von: Zhang, Changshuo, et al.
Veröffentlicht: (2024)

Mitigating Filter Bubble from the Perspective of Community Detection: A Universal Framework
von: Tang, Ming, et al.
Veröffentlicht: (2025)

AFDGCF: Adaptive Feature De-correlation Graph Collaborative Filtering for Recommendations
von: Wu, Wei, et al.
Veröffentlicht: (2024)

Learning ID-free Item Representation with Token Crossing for Multimodal Recommendation
von: Zhang, Kangning, et al.
Veröffentlicht: (2024)

Recommending Search Filters To Improve Conversions At Airbnb
von: Li, Hao, et al.
Veröffentlicht: (2026)