Buchumschlag

Evaluating Performance and Bias of Negative Sampling in Large-Scale Sequential Recommendation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Prakash, Arushi, Bermperidis, Dimitrios, Chennu, Srivas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Measuring Recency Bias In Sequential Recommendation Systems
von: Oh, Jeonglyul, et al.
Veröffentlicht: (2024)

Leveraging Negative Signals with Self-Attention for Sequential Music Recommendation
von: Seshadri, Pavan, et al.
Veröffentlicht: (2023)

BiCoRec: Bias-Mitigated Context-Aware Sequential Recommendation Model
von: Muthivhi, Mufhumudzi, et al.
Veröffentlicht: (2025)

Efficient Large-Scale Cross-Domain Sequential Recommendation with Dynamic State Representations
von: Loureiro, Manuel V., et al.
Veröffentlicht: (2025)

Scaling Generative Recommendations with Context Parallelism on Hierarchical Sequential Transducers
von: Dong, Yue, et al.
Veröffentlicht: (2025)

Scaling Session-Based Transformer Recommendations using Optimized Negative Sampling and Loss Functions
von: Wilm, Timo, et al.
Veröffentlicht: (2023)

An Attentive Inductive Bias for Sequential Recommendation beyond the Self-Attention
von: Shin, Yehjin, et al.
Veröffentlicht: (2023)

When and What to Recommend: Joint Modeling of Timing and Content for Active Sequential Recommendation
von: Chai, Jin, et al.
Veröffentlicht: (2025)

Scalable Cross-Entropy Loss for Sequential Recommendations with Large Item Catalogs
von: Mezentsev, Gleb, et al.
Veröffentlicht: (2024)

RECE: Reduced Cross-Entropy Loss for Large-Catalogue Sequential Recommenders
von: Gusak, Danil, et al.
Veröffentlicht: (2024)

Temporal Linear Item-Item Model for Sequential Recommendation
von: Park, Seongmin, et al.
Veröffentlicht: (2024)

On the Reliability of Sampling Strategies in Offline Recommender Evaluation
von: Pereira, Bruno L., et al.
Veröffentlicht: (2025)

Generative Recommendation for Large-Scale Advertising
von: Xue, Ben, et al.
Veröffentlicht: (2026)

Does It Look Sequential? An Analysis of Datasets for Evaluation of Sequential Recommendations
von: Klenitskiy, Anton, et al.
Veröffentlicht: (2024)

Time to Split: Exploring Data Splitting Strategies for Offline Evaluation of Sequential Recommenders
von: Gusak, Danil, et al.
Veröffentlicht: (2025)

Large Language Model as Universal Retriever in Industrial-Scale Recommender System
von: Jiang, Junguang, et al.
Veröffentlicht: (2025)

A Unified Language Model for Large Scale Search, Recommendation, and Reasoning
von: De Nadai, Marco, et al.
Veröffentlicht: (2026)

SLMRec: Distilling Large Language Models into Small for Sequential Recommendation
von: Xu, Wujiang, et al.
Veröffentlicht: (2024)

Producer-Fairness in Sequential Bundle Recommendation
von: Rio, Alexandre, et al.
Veröffentlicht: (2025)

Exploitation Over Exploration: Unmasking the Bias in Linear Bandit Recommender Offline Evaluation
von: Pires, Pedro R., et al.
Veröffentlicht: (2025)

Facet-Aware Multi-Head Mixture-of-Experts Model for Sequential Recommendation
von: Liu, Mingrui, et al.
Veröffentlicht: (2024)

Pre-trained Language Model and Knowledge Distillation for Lightweight Sequential Recommendation
von: Li, Li, et al.
Veröffentlicht: (2024)

CAST: Modeling Semantic-Level Transitions for Complementary-Aware Sequential Recommendation
von: Zhang, Qian, et al.
Veröffentlicht: (2026)

A Systematic Survey on Federated Sequential Recommendation
von: Li, Yichen, et al.
Veröffentlicht: (2025)

Bypassing the Popularity Bias: Repurposing Models for Better Long-Tail Recommendation
von: Blahut, Václav, et al.
Veröffentlicht: (2024)

Exploring Test-time Scaling via Prediction Merging on Large-Scale Recommendation
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2025)

SS4Rec: Continuous-Time Sequential Recommendation with State Space Models
von: Xiao, Wei, et al.
Veröffentlicht: (2025)

Efficient and Effective Query Context-Aware Learning-to-Rank Model for Sequential Recommendation
von: Dzhoha, Andrii, et al.
Veröffentlicht: (2025)

Unlocking the Power of Diffusion Models in Sequential Recommendation: A Simple and Effective Approach
von: Chen, Jialei, et al.
Veröffentlicht: (2025)

Large Language Models as Recommender Systems: A Study of Popularity Bias
von: Lichtenberg, Jan Malte, et al.
Veröffentlicht: (2024)

SCONE: A Novel Stochastic Sampling to Generate Contrastive Views and Hard Negative Samples for Recommendation
von: Lee, Chaejeong, et al.
Veröffentlicht: (2024)

Combining Open-box Simulation and Importance Sampling for Tuning Large-Scale Recommenders
von: Paneri, Kaushal, et al.
Veröffentlicht: (2024)

Cache-Aware Reinforcement Learning in Large-Scale Recommender Systems
von: Chen, Xiaoshuang, et al.
Veröffentlicht: (2024)

Autoregressive Generation Strategies for Top-K Sequential Recommendations
von: Volodkevich, Anna, et al.
Veröffentlicht: (2024)

Improving Sequential Query Recommendation with Immediate User Feedback
von: Parambath, Shameem A Puthiya, et al.
Veröffentlicht: (2022)

Rethinking Convolutional Networks for Attribute-Aware Sequential Recommendation
von: Elsayed, Shereen, et al.
Veröffentlicht: (2026)

Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity
von: Fan, Ziwei, et al.
Veröffentlicht: (2023)

Cross-Representation Knowledge Transfer for Improved Sequential Recommendations
von: Gimranov, Artur, et al.
Veröffentlicht: (2026)

Algorithm Adaptation Bias in Recommendation System Online Experiments
von: Zheng, Chen, et al.
Veröffentlicht: (2025)

Adaptive Quality-Diversity Trade-offs for Large-Scale Batch Recommendation
von: Réda, Clémence, et al.
Veröffentlicht: (2026)