Buchumschlag

A Theoretical Analysis of Recommendation Loss Functions under Negative Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Di Teodoro, Giulia, Siciliano, Federico, Tonellotto, Nicola, Silvestri, Fabrizio
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

Integrating Item Relevance in Training Loss for Sequential Recommender Systems
von: Bacciu, Andrea, et al.
Veröffentlicht: (2023)

Static Pruning in Dense Retrieval using Matrix Decomposition
von: Siciliano, Federico, et al.
Veröffentlicht: (2024)

A Reproducible Analysis of Sequential Recommender Systems
von: Betello, Filippo, et al.
Veröffentlicht: (2024)

A Systematic Replicability and Comparative Study of BSARec and SASRec for Sequential Recommendation
von: D'Ercoli, Chiara, et al.
Veröffentlicht: (2025)

RRAML: Reinforced Retrieval Augmented Machine Learning
von: Bacciu, Andrea, et al.
Veröffentlicht: (2023)

Graph Neural Re-Ranking via Corpus Graph
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2024)

Generating Query Recommendations via LLMs
von: Bacciu, Andrea, et al.
Veröffentlicht: (2024)

Investigating the Robustness of Sequential Recommender Systems Against Training Data Perturbations
von: Betello, Filippo, et al.
Veröffentlicht: (2023)

ECLIPSE: Contrastive Dimension Importance Estimation with Pseudo-Irrelevance Feedback for Dense Retrieval
von: D'Erasmo, Giulio, et al.
Veröffentlicht: (2024)

A Tale of Trust and Accuracy: Base vs. Instruct LLMs in RAG Systems
von: Cuconasu, Florin, et al.
Veröffentlicht: (2024)

The Power of Noise: Redefining Retrieval for RAG Systems
von: Cuconasu, Florin, et al.
Veröffentlicht: (2024)

A Picture of Agentic Search
von: Pezzuti, Francesca, et al.
Veröffentlicht: (2026)

Sheaf4Rec: Sheaf Neural Networks for Graph-based Recommender Systems
von: Purificato, Antonio, et al.
Veröffentlicht: (2023)

Statistical Foundations of DIME: Risk Estimation for Practical Index Selection
von: D'Erasmo, Giulio, et al.
Veröffentlicht: (2026)

Efficient Recommendation with Millions of Items by Dynamic Pruning of Sub-Item Embeddings
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2025)

Eco-Aware Graph Neural Networks for Sustainable Recommendations
von: Purificato, Antonio, et al.
Veröffentlicht: (2024)

Efficient Inference of Sub-Item Id-based Sequential Recommendation Models with Millions of Items
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2024)

Faster Learned Sparse Retrieval with Block-Max Pruning
von: Mallia, Antonio, et al.
Veröffentlicht: (2024)

A Reproducibility Study of PLAID
von: MacAvaney, Sean, et al.
Veröffentlicht: (2024)

Neural Prioritisation for Web Crawling
von: Pezzuti, Francesca, et al.
Veröffentlicht: (2025)

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

Demystifying Sequential Recommendations: Counterfactual Explanations via Genetic Algorithms
von: Scarcelli, Domiziano, et al.
Veröffentlicht: (2025)

DESIRE-ME: Domain-Enhanced Supervised Information REtrieval using Mixture-of-Experts
von: Kasela, Pranav, et al.
Veröffentlicht: (2024)

Two-Step SPLADE: Simple, Efficient and Effective Approximation of SPLADE
von: Lassance, Carlos, et al.
Veröffentlicht: (2024)

Negative Sampling in Recommendation: A Survey and Future Directions
von: Ma, Haokai, et al.
Veröffentlicht: (2024)

Generating Negative Samples for Multi-Modal Recommendation
von: Ji, Yanbiao, et al.
Veröffentlicht: (2025)

Maybe you are looking for CroQS: Cross-modal Query Suggestion for Text-to-Image Retrieval
von: Pacini, Giacomo, et al.
Veröffentlicht: (2024)

Exploring the Effectiveness of Multi-stage Fine-tuning for Cross-encoder Re-rankers
von: Pezzuti, Francesca, et al.
Veröffentlicht: (2025)

Efficient Constant-Space Multi-Vector Retrieval
von: MacAvaney, Sean, et al.
Veröffentlicht: (2025)

AMAQA: A Metadata-based QA Dataset for RAG Systems
von: Bruni, Davide, et al.
Veröffentlicht: (2025)

Improved Estimation of Ranks for Learning Item Recommenders with Negative Sampling
von: Subbiah, Anushya, et al.
Veröffentlicht: (2024)

Hard Negative Sampling via Large Language Models for Recommendation
von: Zhao, Chu, et al.
Veröffentlicht: (2025)

Predicting Award Winning Research Papers at Publication Time
von: Vella, Riccardo, et al.
Veröffentlicht: (2024)

Divergence Meets Consensus: A Multi-Source Negative Sampling Framework for Sequential Recommendation
von: Li, Yuanzi, et al.
Veröffentlicht: (2026)

Enhanced Bayesian Personalized Ranking for Robust Hard Negative Sampling in Recommender Systems
von: Shi, Kexin, et al.
Veröffentlicht: (2024)

Evaluating and Addressing Fairness Across User Groups in Negative Sampling for Recommender Systems
von: Xuan, Yueqing, et al.
Veröffentlicht: (2023)

Document Quality Scoring for Web Crawling
von: Pezzuti, Francesca, et al.
Veröffentlicht: (2025)

Blending Learning to Rank and Dense Representations for Efficient and Effective Cascades
von: Nardini, Franco Maria, et al.
Veröffentlicht: (2025)

NFARec: A Negative Feedback-Aware Recommender Model
von: Wang, Xinfeng, et al.
Veröffentlicht: (2024)

Break the Optimization Barrier of LLM-Enhanced Recommenders: A Theoretical Analysis and Practical Framework
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2026)