Buchumschlag

Lossless and Privacy-Preserving Graph Convolution Network for Federated Item Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Guowei, Pan, Weike, Yang, Qiang, Ming, Zhong
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

Privacy-Preserving Cross-Domain Sequential Recommendation
von: Lin, Zhaohao, et al.
Veröffentlicht: (2024)

Towards Multi-Behavior Multi-Task Recommendation via Behavior-informed Graph Embedding Learning
von: Lai, Wenhao, et al.
Veröffentlicht: (2026)

A Survey on Cross-Domain Sequential Recommendation
von: Chen, Shu, et al.
Veröffentlicht: (2024)

Self-Supervised Representation Learning with ID-Content Modality Alignment for Sequential Recommendation
von: Zhou, Donglin, et al.
Veröffentlicht: (2025)

A Survey on Multi-Behavior Sequential Recommendation
von: Chen, Xiaoqing, et al.
Veröffentlicht: (2023)

A Survey on Sequential Recommendation
von: Pan, Liwei, et al.
Veröffentlicht: (2024)

P4GCN: Vertical Federated Social Recommendation with Privacy-Preserving Two-Party Graph Convolution Network
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

Federated User Preference Modeling for Privacy-Preserving Cross-Domain Recommendation
von: Wang, Li, et al.
Veröffentlicht: (2024)

BMLP: Behavior-aware MLP for Heterogeneous Sequential Recommendation
von: Li, Weixin, et al.
Veröffentlicht: (2024)

FedPCL-CDR: A Federated Prototype-based Contrastive Learning Framework for Privacy-Preserving Cross-domain Recommendation
von: Wang, Li, et al.
Veröffentlicht: (2024)

Sample Enrichment via Temporary Operations on Subsequences for Sequential Recommendation
von: Chen, Shu, et al.
Veröffentlicht: (2024)

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2026)

Privacy-Preserving Sequential Recommendation with Collaborative Confusion
von: Wang, Wei, et al.
Veröffentlicht: (2024)

FedCIA: Federated Collaborative Information Aggregation for Privacy-Preserving Recommendation
von: Han, Mingzhe, et al.
Veröffentlicht: (2025)

HGCH: A Hyperbolic Graph Convolution Network Model for Heterogeneous Collaborative Graph Recommendation
von: Zhang, Lu, et al.
Veröffentlicht: (2023)

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

Democratic Recommendation with User and Item Representatives Produced by Graph Condensation
von: Liang, Jiahao, et al.
Veröffentlicht: (2025)

SynerGraph: An Integrated Graph Convolution Network for Multimodal Recommendation
von: Burabak, Mert, et al.
Veröffentlicht: (2024)

Spectral-Based Graph Neural Networks for Complementary Item Recommendation
von: Luo, Haitong, et al.
Veröffentlicht: (2024)

Leave No One Behind: Fairness-Aware Cross-Domain Recommender Systems for Non-Overlapping Users
von: Chen, Weixin, et al.
Veröffentlicht: (2025)

The Double-Edged Sword of Knowledge Transfer: Diagnosing and Curing Fairness Pathologies in Cross-Domain Recommendation
von: Zhao, Yuhan, et al.
Veröffentlicht: (2026)

IGDMRec: Behavior Conditioned Item Graph Diffusion for Multimodal Recommendation
von: Guo, Ziyuan, et al.
Veröffentlicht: (2025)

Unsupervised Graph Embeddings for Session-based Recommendation with Item Features
von: Peintner, Andreas, et al.
Veröffentlicht: (2025)

SWGCN: Synergy Weighted Graph Convolutional Network for Multi-Behavior Recommendation
von: Chen, Fangda, et al.
Veröffentlicht: (2026)

When Federated Recommendation Meets Cold-Start Problem: Separating Item Attributes and User Interactions
von: Zhang, Chunxu, et al.
Veröffentlicht: (2023)

Items Proxy Bridging: Enabling Frictionless Critiquing in Knowledge Graph Recommendations
von: Zhang, Huanyu, et al.
Veröffentlicht: (2025)

COHESION: Composite Graph Convolutional Network with Dual-Stage Fusion for Multimodal Recommendation
von: Xu, Jinfeng, et al.
Veröffentlicht: (2025)

PDSR: A Privacy-Preserving Diversified Service Recommendation Method on Distributed Data
von: Wang, Lina, et al.
Veröffentlicht: (2024)

IA-GCN: Interactive Graph Convolutional Network for Recommendation
von: Zhang, Yinan, et al.
Veröffentlicht: (2022)

PDC-FRS: Privacy-preserving Data Contribution for Federated Recommender System
von: Yang, Chaoqun, et al.
Veröffentlicht: (2024)

Learning Multi-Aspect Item Palette: A Semantic Tokenization Framework for Generative Recommendation
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

MDiffFR: Modality-Guided Diffusion Generation for Cold-start Items in Federated Recommendation
von: Fu, Kang, et al.
Veröffentlicht: (2025)

HGCL: Hierarchical Graph Contrastive Learning for User-Item Recommendation
von: Xue, Jiawei, et al.
Veröffentlicht: (2025)

HEC-GCN: Hypergraph Enhanced Cascading Graph Convolution Network for Multi-Behavior Recommendation
von: Yin, Yabo, et al.
Veröffentlicht: (2024)

The Best is Yet to Come: Graph Convolution in the Testing Phase for Multimodal Recommendation
von: Xu, Jinfeng, et al.
Veröffentlicht: (2025)

Linear Item-Item Model with Neural Knowledge for Session-based Recommendation
von: Choi, Minjin, et al.
Veröffentlicht: (2025)

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

A Privacy Preserving System for Movie Recommendations Using Federated Learning
von: Neumann, David, et al.
Veröffentlicht: (2023)

Ripple Knowledge Graph Convolutional Networks For Recommendation Systems
von: Li, Chen, et al.
Veröffentlicht: (2023)

Learnable Item Tokenization for Generative Recommendation
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)