Buchumschlag

DSFNet: Learning Disentangled Scenario Factorization for Multi-Scenario Route Ranking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Jiahao, Duan, Yihai, Xu, Longfei, Chen, Chao, Liu, Shuliang, Liu, Kaikui, Yang, Fan, Chu, Xiangxiang, Guo, Ning
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SCASRec: A Self-Correcting and Auto-Stopping Model for Generative Route List Recommendation
von: Chen, Chao, et al.
Veröffentlicht: (2026)

Towards Full Candidate Interaction: A Comprehensive Comparison Network for Better Route Recommendation
von: Guo, Hanyu, et al.
Veröffentlicht: (2025)

GenMRP: A Generative Multi-Route Planning Framework for Efficient and Personalized Real-Time Industrial Navigation
von: Wang, Chengzhang, et al.
Veröffentlicht: (2026)

IntTravel: A Real-World Dataset and Generative Framework for Integrated Multi-Task Travel Recommendation
von: Yan, Huimin, et al.
Veröffentlicht: (2026)

IntRR: A Framework for Integrating SID Redistribution and Length Reduction
von: Wang, Zesheng, et al.
Veröffentlicht: (2026)

A Unified Search and Recommendation Framework Based on Multi-Scenario Learning for Ranking in E-commerce
von: Liu, Jinhan, et al.
Veröffentlicht: (2024)

IntSR: An Integrated Generative Framework for Search and Recommendation
von: Yan, Huimin, et al.
Veröffentlicht: (2025)

Scenario-Wise Rec: A Multi-Scenario Recommendation Benchmark
von: Li, Xiaopeng, et al.
Veröffentlicht: (2024)

Intrinsic and Extrinsic Factor Disentanglement for Recommendation in Various Context Scenarios
von: Su, Yixin, et al.
Veröffentlicht: (2025)

Multi-Scenario User Profile Construction via Recommendation Lists
von: Zhang, Hui, et al.
Veröffentlicht: (2026)

Disentangling and Generating Modalities for Recommendation in Missing Modality Scenarios
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)

Towards Personalized Federated Multi-Scenario Multi-Task Recommendation
von: Ding, Yue, et al.
Veröffentlicht: (2024)

PERSCEN: Learning Personalized Interaction Pattern and Scenario Preference for Multi-Scenario Matching
von: Du, Haotong, et al.
Veröffentlicht: (2025)

Query as Anchor: Scenario-Adaptive User Representation via Large Language Model
von: Yuan, Jiahao, et al.
Veröffentlicht: (2026)

Beyond Existing Retrievals: Cross-Scenario Incremental Sample Learning Framework
von: Wang, Tao, et al.
Veröffentlicht: (2025)

Global-Distribution Aware Scenario-Specific Variational Representation Learning Framework
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

M-scan: A Multi-Scenario Causal-driven Adaptive Network for Recommendation
von: Zhu, Jiachen, et al.
Veröffentlicht: (2024)

HiNet: Novel Multi-Scenario & Multi-Task Learning with Hierarchical Information Extraction
von: Zhou, Jie, et al.
Veröffentlicht: (2023)

Masked Multi-Domain Network: Multi-Type and Multi-Scenario Conversion Rate Prediction with a Single Model
von: Ouyang, Wentao, et al.
Veröffentlicht: (2024)

EpicCBR: Item-Relation-Enhanced Dual-Scenario Contrastive Learning for Cold-Start Bundle Recommendation
von: Li, Yihang, et al.
Veröffentlicht: (2026)

RAGEval: Scenario Specific RAG Evaluation Dataset Generation Framework
von: Zhu, Kunlun, et al.
Veröffentlicht: (2024)

Scenario-Adaptive Fine-Grained Personalization Network: Tailoring User Behavior Representation to the Scenario Context
von: Zhang, Moyu, et al.
Veröffentlicht: (2024)

LLM4MSR: An LLM-Enhanced Paradigm for Multi-Scenario Recommendation
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

Simple but Efficient: A Multi-Scenario Nearline Retrieval Framework for Recommendation on Taobao
von: Ma, Yingcai, et al.
Veröffentlicht: (2024)

Disentangling Locality and Entropy in Ranking Distillation
von: Parry, Andrew, et al.
Veröffentlicht: (2025)

Disentangled Cascaded Graph Convolution Networks for Multi-Behavior Recommendation
von: Cheng, Zhiyong, et al.
Veröffentlicht: (2024)

Distillation-based Scenario-Adaptive Mixture-of-Experts for the Matching Stage of Multi-scenario Recommendation
von: Wang, Ruibing, et al.
Veröffentlicht: (2025)

Crocodile: Cross Experts Covariance for Disentangled Learning in Multi-Domain Recommendation
von: Lin, Zhutian, et al.
Veröffentlicht: (2024)

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

Beyond the Grid: Layout-Informed Multi-Vector Retrieval with Parsed Visual Document Representations
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

MI-DPG: Decomposable Parameter Generation Network Based on Mutual Information for Multi-Scenario Recommendation
von: Cheng, Wenzhuo, et al.
Veröffentlicht: (2026)

OneMall: One Architecture, More Scenarios -- End-to-End Generative Recommender Family at Kuaishou E-Commerce
von: Zhang, Kun, et al.
Veröffentlicht: (2026)

Can LLM Annotations Replace User Clicks for Learning to Rank?
von: Yu, Lulu, et al.
Veröffentlicht: (2025)

MobilityBench: A Benchmark for Evaluating Route-Planning Agents in Real-World Mobility Scenarios
von: Song, Zhiheng, et al.
Veröffentlicht: (2026)

Attribute-driven Disentangled Representation Learning for Multimodal Recommendation
von: Li, Zhenyang, et al.
Veröffentlicht: (2023)

Think When Needed: Model-Aware Reasoning Routing for LLM-based Ranking
von: Guo, Huizhong, et al.
Veröffentlicht: (2026)

Rank4Gen: RAG-Preference-Aligned Document Set Selection and Ranking
von: Fan, Yongqi, et al.
Veröffentlicht: (2026)

Fusion-in-T5: Unifying Document Ranking Signals for Improved Information Retrieval
von: Yu, Shi, et al.
Veröffentlicht: (2023)

Counterfactual Learning-Driven Representation Disentanglement for Search-Enhanced Recommendation
von: Cui, Jiajun, et al.
Veröffentlicht: (2024)

Transparent and Controllable Recommendation Filtering via Multimodal Multi-Agent Collaboration
von: Zhang, Chi, et al.
Veröffentlicht: (2026)