Buchumschlag

M-scan: A Multi-Scenario Causal-driven Adaptive Network for Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Jiachen, Wang, Yichao, Lin, Jianghao, Qin, Jiarui, Tang, Ruiming, Zhang, Weinan, Yu, Yong
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

Unleashing the Potential of Multi-Channel Fusion in Retrieval for Personalized Recommendations
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

D2K: Turning Historical Data into Retrievable Knowledge for Recommender Systems
von: Qin, Jiarui, et al.
Veröffentlicht: (2024)

Full-Stack Optimized Large Language Models for Lifelong Sequential Behavior Comprehension in Recommendation
von: Shan, Rong, et al.
Veröffentlicht: (2025)

Lifelong Personalized Low-Rank Adaptation of Large Language Models for Recommendation
von: Zhu, Jiachen, et al.
Veröffentlicht: (2024)

Generative Representational Learning of Foundation Models for Recommendation
von: Zhou, Zheli, et al.
Veröffentlicht: (2025)

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

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

A Comprehensive Survey on Retrieval Methods in Recommender Systems
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

Towards Efficient and Effective Unlearning of Large Language Models for Recommendation
von: Wang, Hangyu, et al.
Veröffentlicht: (2024)

ELCoRec: Enhance Language Understanding with Co-Propagation of Numerical and Categorical Features for Recommendation
von: Chen, Jizheng, et al.
Veröffentlicht: (2024)

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

Play to Your Strengths: Collaborative Intelligence of Conventional Recommender Models and Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2024)

Modular Representation Compression: Adapting LLMs for Efficient and Effective Recommendations
von: Xi, Yunjia, et al.
Veröffentlicht: (2026)

Efficiency Unleashed: Inference Acceleration for LLM-based Recommender Systems with Speculative Decoding
von: Xi, Yunjia, et al.
Veröffentlicht: (2024)

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

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

MassTool: A Multi-Task Search-Based Tool Retrieval Framework for Large Language Models
von: Lin, Jianghao, et al.
Veröffentlicht: (2025)

An Automatic Graph Construction Framework based on Large Language Models for Recommendation
von: Shan, Rong, et al.
Veröffentlicht: (2024)

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

Efficient and Deployable Knowledge Infusion for Open-World Recommendations via Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2024)

ReLLa: Retrieval-enhanced Large Language Models for Lifelong Sequential Behavior Comprehension in Recommendation
von: Lin, Jianghao, et al.
Veröffentlicht: (2023)

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

FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction
von: Wang, Hangyu, et al.
Veröffentlicht: (2023)

Beyond Positive History: Re-ranking with List-level Hybrid Feedback
von: Weng, Muyan, et al.
Veröffentlicht: (2024)

Why Not Together? A Multiple-Round Recommender System for Queries and Items
von: Jin, Jiarui, et al.
Veröffentlicht: (2024)

DisCo: Towards Harmonious Disentanglement and Collaboration between Tabular and Semantic Space for Recommendation
von: Du, Kounianhua, et al.
Veröffentlicht: (2024)

HAMUR: Hyper Adapter for Multi-Domain Recommendation
von: Li, Xiaopeng, et al.
Veröffentlicht: (2023)

Retrieval-Oriented Knowledge for Click-Through Rate Prediction
von: Liu, Huanshuo, et al.
Veröffentlicht: (2024)

MuonRec: Shifting the Optimizer Paradigm Beyond Adam in Scalable Generative Recommendation
von: Shan, Rong, et al.
Veröffentlicht: (2026)

All Roads Lead to Rome: Unveiling the Trajectory of Recommender Systems Across the LLM Era
von: Chen, Bo, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning
von: Zhu, Jiachen, et al.
Veröffentlicht: (2025)

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

DREAM: A Dual Representation Learning Model for Multimodal Recommendation
von: Zhang, Kangning, et al.
Veröffentlicht: (2024)

Stop DDoS Attacking the Research Community with AI-Generated Survey Papers
von: Lin, Jianghao, et al.
Veröffentlicht: (2025)

Learning Structure and Knowledge Aware Representation with Large Language Models for Concept Recommendation
von: Li, Qingyao, et al.
Veröffentlicht: (2024)

Superplatforms Have to Attack AI Agents
von: Lin, Jianghao, et al.
Veröffentlicht: (2025)

ClickPrompt: CTR Models are Strong Prompt Generators for Adapting Language Models to CTR Prediction
von: Lin, Jianghao, et al.
Veröffentlicht: (2023)

Recall-Augmented Ranking: Enhancing Click-Through Rate Prediction Accuracy with Cross-Stage Data
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

Act-With-Think: Chunk Auto-Regressive Modeling for Generative Recommendation
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

LIBER: Lifelong User Behavior Modeling Based on Large Language Models
von: Zhu, Chenxu, et al.
Veröffentlicht: (2024)