Buchumschlag

Can Large Language Models Assess Serendipity in Recommender Systems?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tokutake, Yu, Okamoto, Kazushi
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

A Universal Framework for Offline Serendipity Evaluation in Recommender Systems via Large Language Models
von: Tokutake, Yu, et al.
Veröffentlicht: (2025)

Knowledge-Augmented Relation Learning for Complementary Recommendation with Large Language Models
von: Yamasaki, Chihiro, et al.
Veröffentlicht: (2025)

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

Exploring the Potential of LLMs for Serendipity Evaluation in Recommender Systems
von: Kang, Li, et al.
Veröffentlicht: (2025)

Enhancing Serendipity Recommendation System by Constructing Dynamic User Knowledge Graphs with Large Language Models
von: Yong, Qian, et al.
Veröffentlicht: (2025)

Function-based Labels for Complementary Recommendation: Definition, Annotation, and LLM-as-a-Judge
von: Yamasaki, Chihiro, et al.
Veröffentlicht: (2025)

Hierarchical Matrix Factorization for Interpretable Collaborative Filtering
von: Sugahara, Kai, et al.
Veröffentlicht: (2023)

The Application of Large Language Models in Recommendation Systems
von: Yu, Peiyang, et al.
Veröffentlicht: (2025)

Engineering Serendipity through Recommendations of Items with Atypical Aspects
von: Aditya, Ramit, et al.
Veröffentlicht: (2025)

Collaborative Large Language Model for Recommender Systems
von: Zhu, Yaochen, et al.
Veröffentlicht: (2023)

Enhancing User Intent for Recommendation Systems via Large Language Models
von: Xu, Xiaochuan, et al.
Veröffentlicht: (2025)

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

Enhancing Recommender Systems with Large Language Model Reasoning Graphs
von: Wang, Yan, et al.
Veröffentlicht: (2023)

Large Language Model driven Policy Exploration for Recommender Systems
von: Wang, Jie, et al.
Veröffentlicht: (2025)

Generation and annotation of item usage scenarios in e-commerce using large language models
von: Hagiri, Madoka, et al.
Veröffentlicht: (2025)

Similarity-Based Supervised User Session Segmentation Method for Behavior Logs
von: Jin, Yongzhi, et al.
Veröffentlicht: (2025)

Intent Representation Learning with Large Language Model for Recommendation
von: Wang, Yu, et al.
Veröffentlicht: (2025)

MemoCRS: Memory-enhanced Sequential Conversational Recommender Systems with Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2024)

Towards Fair Large Language Model-based Recommender Systems without Costly Retraining
von: Li, Jin, et al.
Veröffentlicht: (2026)

One Model for All: Large Language Models are Domain-Agnostic Recommendation Systems
von: Tang, Zuoli, et al.
Veröffentlicht: (2023)

Item-side Fairness of Large Language Model-based Recommendation System
von: Jiang, Meng, et al.
Veröffentlicht: (2024)

Collaborative Retrieval for Large Language Model-based Conversational Recommender Systems
von: Zhu, Yaochen, et al.
Veröffentlicht: (2025)

Harnessing Large Language Models for Group POI Recommendations
von: Long, Jing, et al.
Veröffentlicht: (2024)

DaRec: A Disentangled Alignment Framework for Large Language Model and Recommender System
von: Yang, Xihong, et al.
Veröffentlicht: (2024)

Large Language Model Simulator for Cold-Start Recommendation
von: Huang, Feiran, et al.
Veröffentlicht: (2024)

Large Language Models Make Sample-Efficient Recommender Systems
von: Lin, Jianghao, et al.
Veröffentlicht: (2024)

Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models
von: Huang, Chengkai, et al.
Veröffentlicht: (2025)

CFaiRLLM: Consumer Fairness Evaluation in Large-Language Model Recommender System
von: Deldjoo, Yashar, et al.
Veröffentlicht: (2024)

Temporal-Aware User Behaviour Simulation with Large Language Models for Recommender Systems
von: Wanyan, Xinye, et al.
Veröffentlicht: (2025)

Preliminary Study on Incremental Learning for Large Language Model-based Recommender Systems
von: Shi, Tianhao, et al.
Veröffentlicht: (2023)

A Bi-Step Grounding Paradigm for Large Language Models in Recommendation Systems
von: Bao, Keqin, et al.
Veröffentlicht: (2023)

Coherency Improved Explainable Recommendation via Large Language Model
von: Liu, Shijie, et al.
Veröffentlicht: (2025)

Adapting Large Language Models by Integrating Collaborative Semantics for Recommendation
von: Zheng, Bowen, et al.
Veröffentlicht: (2023)

Aligning Large Language Models with Recommendation Knowledge
von: Cao, Yuwei, et al.
Veröffentlicht: (2024)

Reinforcement Learning-based Recommender Systems with Large Language Models for State Reward and Action Modeling
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Multimodal Large Language Models with Adaptive Preference Optimization for Sequential Recommendation
von: Wang, Yu, et al.
Veröffentlicht: (2025)

SELF: Surrogate-light Feature Selection with Large Language Models in Deep Recommender Systems
von: Jia, Pengyue, et al.
Veröffentlicht: (2024)

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

Trustworthy Recommendation in the Era of Large Language Models: Opportunities and Challenges
von: Wang, Bohao, et al.
Veröffentlicht: (2026)

LLMEmb: Large Language Model Can Be a Good Embedding Generator for Sequential Recommendation
von: Liu, Qidong, et al.
Veröffentlicht: (2024)