Buchumschlag

DisCo: Graph-Based Disentangled Contrastive Learning for Cold-Start Cross-Domain Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Hourun, Wang, Yifan, Xiao, Zhiping, Yang, Jia, Zhou, Changling, Zhang, Ming, Ju, Wei
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

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

Sharpness-Aware Cross-Domain Recommendation to Cold-Start Users
von: Zeng, Guohang, et al.
Veröffentlicht: (2024)

Personalized Multi-Interest Modeling for Cross-Domain Recommendation to Cold-Start Users
von: Li, Xiaodong, et al.
Veröffentlicht: (2026)

Intent-aware Recommendation via Disentangled Graph Contrastive Learning
von: Wang, Yuling, et al.
Veröffentlicht: (2024)

Graph Neural Patching for Cold-Start Recommendations
von: Chen, Hao, et al.
Veröffentlicht: (2024)

EpicCBR: Item-Relation-Enhanced Dual-Scenario Contrastive Learning for Cold-Start Bundle Recommendation
von: Li, Yihang, et al.
Veröffentlicht: (2026)

Improving Content Recommendation: Knowledge Graph-Based Semantic Contrastive Learning for Diversity and Cold-Start Users
von: Kim, Yejin, et al.
Veröffentlicht: (2024)

CDRNP: Cross-Domain Recommendation to Cold-Start Users via Neural Process
von: Li, Xiaodong, et al.
Veröffentlicht: (2024)

Contrastive Learning for Cold Start Recommendation with Adaptive Feature Fusion
von: Hu, Jiacheng, et al.
Veröffentlicht: (2025)

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

EviSnap: Faithful Evidence-Cited Explanations for Cold-Start Cross-Domain Recommendation
von: Dai, Yingjun, et al.
Veröffentlicht: (2026)

Graph Reasoning for Explainable Cold Start Recommendation
von: Frej, Jibril, et al.
Veröffentlicht: (2024)

Learning Graph ODE for Continuous-Time Sequential Recommendation
von: Qin, Yifang, et al.
Veröffentlicht: (2023)

SaviorRec: Semantic-Behavior Alignment for Cold-Start Recommendation
von: Yao, Yining, et al.
Veröffentlicht: (2025)

Task Aligned Meta-learning based Augmented Graph for Cold-Start Recommendation
von: Shi, Yuxiang, et al.
Veröffentlicht: (2022)

Sparse Contrastive Learning for Content-Based Cold Item Recommendation
von: Meehan, Gregor, et al.
Veröffentlicht: (2026)

Divide-and-Conquer: Cold-Start Bundle Recommendation via Mixture of Diffusion Experts
von: Li, Ming, et al.
Veröffentlicht: (2025)

Rank and Align: Towards Effective Source-free Graph Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2024)

Firzen: Firing Strict Cold-Start Items with Frozen Heterogeneous and Homogeneous Graphs for Recommendation
von: He, Hulingxiao, et al.
Veröffentlicht: (2024)

Leveraging Artist Catalogs for Cold-Start Music Recommendation
von: Tamm, Yan-Martin, et al.
Veröffentlicht: (2026)

Large Language Model Simulator for Cold-Start Recommendation
von: Huang, Feiran, et al.
Veröffentlicht: (2024)

Cold-Starts in Generative Recommendation: A Reproducibility Study
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

On Inherited Popularity Bias in Cold-Start Item Recommendation
von: Meehan, Gregor, et al.
Veröffentlicht: (2025)

Temporally and Distributionally Robust Optimization for Cold-Start Recommendation
von: Lin, Xinyu, et al.
Veröffentlicht: (2023)

Counterfactual Learning-Driven Representation Disentanglement for Search-Enhanced Recommendation
von: Cui, Jiajun, et al.
Veröffentlicht: (2024)

PolyCF: Towards the Optimal Spectral Graph Filters for Collaborative Filtering
von: Qin, Yifang, et al.
Veröffentlicht: (2024)

DisenSemi: Semi-supervised Graph Classification via Disentangled Representation Learning
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

Selecting User Histories to Generate LLM Users for Cold-Start Item Recommendation
von: Subbaraman, Nachiket, et al.
Veröffentlicht: (2025)

FilterLLM: Text-To-Distribution LLM for Billion-Scale Cold-Start Recommendation
von: Liu, Ruochen, et al.
Veröffentlicht: (2025)

RLT4Rec: Reinforcement Learning Transformer for User Cold Start and Item Recommendation
von: Rajapakse, Dilina Chandika, et al.
Veröffentlicht: (2024)

Addressing Cold Start For next-article Recommendation
von: Elgohary, Omar, et al.
Veröffentlicht: (2025)

Generative Data Augmentation in Graph Contrastive Learning for Recommendation
von: Wang, Yansong, et al.
Veröffentlicht: (2025)

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

Next-User Retrieval: Enhancing Cold-Start Recommendations via Generative Next-User Modeling
von: Lan, Yu-Ting, et al.
Veröffentlicht: (2025)

Large Language Models as Data Augmenters for Cold-Start Item Recommendation
von: Wang, Jianling, et al.
Veröffentlicht: (2024)

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

A Survey of Graph Neural Networks in Real world: Imbalance, Noise, Privacy and OOD Challenges
von: Ju, Wei, et al.
Veröffentlicht: (2024)

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

Causal Deconfounding via Confounder Disentanglement for Dual-Target Cross-Domain Recommendation
von: Zhu, Jiajie, et al.
Veröffentlicht: (2024)

Are Large Language Models Really Effective for Training-Free Cold-Start Recommendation?
von: Kusano, Genki, et al.
Veröffentlicht: (2025)