Buchumschlag

Wasserstein Dependent Graph Attention Network for Collaborative Filtering with Uncertainty

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Haoxuan, Ouyang, Yuanxin, Liu, Zhuang, Rong, Wenge, Xiong, Zhang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ProCQA: A Large-scale Community-based Programming Question Answering Dataset for Code Search
von: Li, Zehan, et al.
Veröffentlicht: (2024)

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

DiscRec: Disentangled Semantic-Collaborative Modeling for Generative Recommendation
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Neural Causal Graph Collaborative Filtering
von: Wang, Xiangmeng, et al.
Veröffentlicht: (2023)

Graph Signal Diffusion Model for Collaborative Filtering
von: Zhu, Yunqin, et al.
Veröffentlicht: (2023)

Multi-Behavior Collaborative Filtering with Partial Order Graph Convolutional Networks
von: Zhang, Yijie, et al.
Veröffentlicht: (2024)

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

PolyCF: Towards the Optimal Spectral Graph Filters for Collaborative Filtering
von: Qin, Yifang, et al.
Veröffentlicht: (2024)

A Node-Aware Dynamic Quantization Approach for Graph Collaborative Filtering
von: Li, Lin, et al.
Veröffentlicht: (2025)

Feedback Reciprocal Graph Collaborative Filtering
von: Chen, Weijun, et al.
Veröffentlicht: (2024)

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

Graph Neural Controlled Differential Equations For Collaborative Filtering
von: Xu, Ke, et al.
Veröffentlicht: (2025)

Unifying Graph Convolution and Contrastive Learning in Collaborative Filtering
von: Wu, Yihong, et al.
Veröffentlicht: (2024)

Lightweight Embeddings with Graph Rewiring for Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2025)

Exploring the Individuality and Collectivity of Intents behind Interactions for Graph Collaborative Filtering
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

General Debiasing for Graph-based Collaborative Filtering via Adversarial Graph Dropout
von: Zhang, An, et al.
Veröffentlicht: (2024)

Dual-Tree LLM-Enhanced Negative Sampling for Implicit Collaborative Filtering
von: Wu, Jiayi, et al.
Veröffentlicht: (2026)

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

Enhancing Graph Collaborative Filtering with FourierKAN Feature Transformation
von: Xu, Jinfeng, et al.
Veröffentlicht: (2024)

Flow Matching for Collaborative Filtering
von: Liu, Chengkai, et al.
Veröffentlicht: (2025)

Light distillation for Incremental Graph Convolution Collaborative Filtering
von: Fan, X, et al.
Veröffentlicht: (2025)

Turning Semantics into Topology: LLM-Driven Attribute Augmentation for Collaborative Filtering
von: Meng, Junjie, et al.
Veröffentlicht: (2026)

GraphTransfer: A Generic Feature Fusion Framework for Collaborative Filtering
von: Xia, Jiafeng, et al.
Veröffentlicht: (2024)

Debiased Collaborative Filtering with Kernel-Based Causal Balancing
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

TwinCL: A Twin Graph Contrastive Learning Model for Collaborative Filtering
von: Liu, Chengkai, et al.
Veröffentlicht: (2024)

Intent Propagation Contrastive Collaborative Filtering
von: Li, Haojie, et al.
Veröffentlicht: (2026)

Frequency-aware Graph Signal Processing for Collaborative Filtering
von: Xia, Jiafeng, et al.
Veröffentlicht: (2024)

A Topology-Aware Positive Sample Set Construction and Feature Optimization Method in Implicit Collaborative Filtering
von: Wu, Jiayi, et al.
Veröffentlicht: (2026)

Popular News Always Compete for the User's Attention! POPK: Mitigating Popularity Bias via a Temporal-Counterfactual
von: Azevedo, Igor L. R., et al.
Veröffentlicht: (2024)

Adaptive Hardness Negative Sampling for Collaborative Filtering
von: Lai, Riwei, et al.
Veröffentlicht: (2024)

Learning Binarized Representations with Pseudo-positive Sample Enhancement for Efficient Graph Collaborative Filtering
von: Chen, Yankai, et al.
Veröffentlicht: (2025)

Self-supervised Contrastive Learning for Implicit Collaborative Filtering
von: Song, Shipeng, et al.
Veröffentlicht: (2024)

Squeeze and Excitation: A Weighted Graph Contrastive Learning for Collaborative Filtering
von: Chen, Zheyu, et al.
Veröffentlicht: (2025)

Collaborative Filtering Based on Diffusion Models: Unveiling the Potential of High-Order Connectivity
von: Hou, Yu, et al.
Veröffentlicht: (2024)

Representation Quantization for Collaborative Filtering Augmentation
von: Luo, Yunze, et al.
Veröffentlicht: (2025)

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

From Transfer to Collaboration: A Federated Framework for Cross-Market Sequential Recommendation
von: Chen, Jundong, et al.
Veröffentlicht: (2026)

Rethinking Contrastive Learning for Graph Collaborative Filtering: Limitations and a Simple Remedy
von: Lee, Geon, et al.
Veröffentlicht: (2026)

Discrete Scale-invariant Metric Learning for Efficient Collaborative Filtering
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

Fair Augmentation for Graph Collaborative Filtering
von: Boratto, Ludovico, et al.
Veröffentlicht: (2024)