Buchumschlag

Causal Deconfounding via Confounder Disentanglement for Dual-Target Cross-Domain Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Jiajie, Wang, Yan, Zhu, Feng, Sun, Zhu
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

Causal-Invariant Cross-Domain Out-of-Distribution Recommendation
von: Zhu, Jiajie, et al.
Veröffentlicht: (2025)

Multi-Cause Deconfounding for Recommender Systems with Latent Confounders
von: Huang, Zhirong, et al.
Veröffentlicht: (2024)

Mitigating Hidden Confounding Effects for Causal Recommendation
von: Zhu, Xinyuan, et al.
Veröffentlicht: (2022)

Context-Aware Disentanglement for Cross-Domain Sequential Recommendation: A Causal View
von: Wang, Xingzi, et al.
Veröffentlicht: (2026)

Diagnostic-Guided Dynamic Profile Optimization for LLM-based User Simulators in Sequential Recommendation
von: Liu, Hongyang, et al.
Veröffentlicht: (2025)

Diversity Recommendation via Causal Deconfounding of Co-purchase Relations and Counterfactual Exposure
von: Zhang, Jingmao, et al.
Veröffentlicht: (2025)

Enhancing Transferability and Consistency in Cross-Domain Recommendations via Supervised Disentanglement
von: Wang, Yuhan, et al.
Veröffentlicht: (2025)

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

Cross-Domain Recommendation Meets Large Language Models
von: Vajjala, Ajay Krishna, et al.
Veröffentlicht: (2024)

Learning User Interests via Reasoning and Distillation for Cross-Domain News Recommendation
von: Zhu, Mengdan, et al.
Veröffentlicht: (2026)

MIMNet: Multi-Interest Meta Network with Multi-Granularity Target-Guided Attention for Cross-domain Recommendation
von: Zhu, Xiaofei, et al.
Veröffentlicht: (2024)

Mitigating Dual Latent Confounding Biases in Recommender Systems
von: Deng, Jianfeng, et al.
Veröffentlicht: (2024)

Generative Multi-Target Cross-Domain Recommendation
von: Jin, Jinqiu, et al.
Veröffentlicht: (2025)

Not All Videos Become Outdated: Short-Video Recommendation by Learning to Deconfound Release Interval Bias
von: Dong, Lulu, et al.
Veröffentlicht: (2024)

Semantic-enhanced Co-attention Prompt Learning for Non-overlapping Cross-Domain Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2025)

Aiming at the Target: Filter Collaborative Information for Cross-Domain Recommendation
von: Li, Hanyu, et al.
Veröffentlicht: (2024)

DMESR: Dual-view MLLM-based Enhancing Framework for Multimodal Sequential Recommendation
von: Huang, Mingyao, et al.
Veröffentlicht: (2026)

Causality Enhancement for Cross-Domain Recommendation
von: Wu, Zhibo, et al.
Veröffentlicht: (2025)

Cross-Domain Causal Preference Learning for Out-of-Distribution Recommendation
von: Li, Zhuhang, et al.
Veröffentlicht: (2024)

DualVAE: Dual Disentangled Variational AutoEncoder for Recommendation
von: Guo, Zhiqiang, et al.
Veröffentlicht: (2024)

Coherence-guided Preference Disentanglement for Cross-domain Recommendations
von: Xiang, Zongyi, et al.
Veröffentlicht: (2024)

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

LLMSeR: Enhancing Sequential Recommendation via LLM-based Data Augmentation
von: Sun, Yuqi, et al.
Veröffentlicht: (2025)

Federated Mixture-of-Expert for Non-Overlapped Cross-Domain Sequential Recommendation
von: Liu, Yu, et al.
Veröffentlicht: (2025)

A Survey on Causal Inference for Recommendation
von: Luo, Huishi, et al.
Veröffentlicht: (2023)

CDC: Causal Domain Clustering for Multi-Domain Recommendation
von: Luo, Huishi, et al.
Veröffentlicht: (2025)

Adaptive Diffusion-based Augmentation for Recommendation
von: Li, Na, et al.
Veröffentlicht: (2026)

Joint Identifiability of Cross-Domain Recommendation via Hierarchical Subspace Disentanglement
von: Du, Jing, et al.
Veröffentlicht: (2024)

LLM-Driven Dual-Level Multi-Interest Modeling for Recommendation
von: Wang, Ziyan, et al.
Veröffentlicht: (2025)

Uncovering Cross-Domain Recommendation Ability of Large Language Models
von: Liu, Xinyi, et al.
Veröffentlicht: (2025)

DISCO: A Hierarchical Disentangled Cognitive Diagnosis Framework for Interpretable Job Recommendation
von: Yu, Xiaoshan, et al.
Veröffentlicht: (2024)

Adaptive Graph Integration for Cross-Domain Recommendation via Heterogeneous Graph Coordinators
von: Zhang, Hengyu, et al.
Veröffentlicht: (2024)

MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation
von: Tong, Junxiong, et al.
Veröffentlicht: (2024)

FedDCSR: Federated Cross-domain Sequential Recommendation via Disentangled Representation Learning
von: Zhang, Hongyu, et al.
Veröffentlicht: (2023)

Time-Aware Diffusion based on Preference Disentanglement for Generative Recommendation
von: Zhu, Bangguo, et al.
Veröffentlicht: (2026)

DisCo: Graph-Based Disentangled Contrastive Learning for Cold-Start Cross-Domain Recommendation
von: Li, Hourun, et al.
Veröffentlicht: (2024)

Are LLM-based Recommenders Already the Best? Simple Scaled Cross-entropy Unleashes the Potential of Traditional Sequential Recommenders
von: Xu, Cong, et al.
Veröffentlicht: (2024)

HiD-VAE: Interpretable Generative Recommendation via Hierarchical and Disentangled Semantic IDs
von: Fang, Dengzhao, et al.
Veröffentlicht: (2025)

Cross-domain Recommender Systems via Multimodal Domain Adaptation
von: Shyam, Adamya, et al.
Veröffentlicht: (2023)

A Unified Framework for Cross-Domain Recommendation
von: Cao, Jiangxia, et al.
Veröffentlicht: (2024)