Buchumschlag

Exploring the Potential of LLMs for Serendipity Evaluation in Recommender Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kang, Li, Zhao, Yuhan, Chen, Li
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can Large Language Models Assess Serendipity in Recommender Systems?
von: Tokutake, Yu, et al.
Veröffentlicht: (2024)

A Universal Framework for Offline Serendipity Evaluation in Recommender Systems via Large Language Models
von: Tokutake, Yu, et al.
Veröffentlicht: (2025)

Bursting Filter Bubble: Enhancing Serendipity Recommendations with Aligned Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

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

Enhancing Serendipity Recommendation System by Constructing Dynamic User Knowledge Graphs with Large Language Models
von: Yong, Qian, et al.
Veröffentlicht: (2025)

Engineering Serendipity through Recommendations of Items with Atypical Aspects
von: Aditya, Ramit, et al.
Veröffentlicht: (2025)

Causality-Inspired Fair Representation Learning for Multimodal Recommendation
von: Chen, Weixin, et al.
Veröffentlicht: (2023)

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

Unlocking the Hidden Treasures: Enhancing Recommendations with Unlabeled Data
von: Zhao, Yuhan, et al.
Veröffentlicht: (2024)

ProMax: Exploring the Potential of LLM-derived Profiles with Distribution Shaping for Recommender Systems
von: Zhang, Yi, et al.
Veröffentlicht: (2026)

Exploring Recommender System Evaluation: A Multi-Modal User Agent Framework for A/B Testing
von: Zhang, Wenlin, et al.
Veröffentlicht: (2026)

Collaborative Knowledge Fusion: A Novel Approach for Multi-task Recommender Systems via LLMs
von: Zhao, Chuang, et al.
Veröffentlicht: (2024)

Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis
von: Xu, Lanling, et al.
Veröffentlicht: (2024)

Dissertation: On the Theoretical Foundation of Model Comparison and Evaluation for Recommender System
von: Li, Dong
Veröffentlicht: (2024)

Limitations of Current Evaluation Practices for Conversational Recommender Systems and the Potential of User Simulation
von: Bernard, Nolwenn, et al.
Veröffentlicht: (2025)

MemRec: Collaborative Memory-Augmented Agentic Recommender System
von: Chen, Weixin, et al.
Veröffentlicht: (2026)

Sparser Training for On-Device Recommendation Systems
von: Qu, Yunke, et al.
Veröffentlicht: (2024)

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

Unleashing the Potential of Neighbors: Diffusion-based Latent Neighbor Generation for Session-based Recommendation
von: Yang, Yuhan, et al.
Veröffentlicht: (2026)

Deep Research for Recommender Systems
von: Ou, Kesha, et al.
Veröffentlicht: (2026)

Preliminary Evaluation of the Test-Time Training Layers in Recommendation System (Student Abstract)
von: Zhan, Tianyu, et al.
Veröffentlicht: (2024)

Sustainability Evaluation Metrics for Recommender Systems
von: Felfernig, Alexander, et al.
Veröffentlicht: (2025)

Generative Reasoning Recommendation via LLMs
von: Hong, Minjie, et al.
Veröffentlicht: (2025)

Recommender Systems in the Era of Large Language Models (LLMs)
von: Zhao, Zihuai, et al.
Veröffentlicht: (2023)

Unleashing the Native Recommendation Potential: LLM-Based Generative Recommendation via Structured Term Identifiers
von: Zhang, Zhiyang, et al.
Veröffentlicht: (2026)

Continual Collaborative Distillation for Recommender System
von: Lee, Gyuseok, et al.
Veröffentlicht: (2024)

Bridging Language and Items for Retrieval and Recommendation: Benchmarking LLMs as Semantic Encoders
von: Hou, Yupeng, et al.
Veröffentlicht: (2024)

Generative Large Recommendation Models: Emerging Trends in LLMs for Recommendation
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Exploring Preference-Guided Diffusion Model for Cross-Domain Recommendation
von: Li, Xiaodong, et al.
Veröffentlicht: (2025)

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

Leveraging LLMs for Influence Path Planning in Proactive Recommendation
von: Wang, Mingze, et al.
Veröffentlicht: (2024)

Towards Next-Generation Recommender Systems: A Benchmark for Personalized Recommendation Assistant with LLMs
von: Huang, Jiani, et al.
Veröffentlicht: (2025)

The Hidden Cost of Defaults in Recommender System Evaluation
von: Berling, Hannah, et al.
Veröffentlicht: (2025)

Offline Evaluation Measures of Fairness in Recommender Systems
von: Rampisela, Theresia Veronika
Veröffentlicht: (2026)

KGBridge: Knowledge-Guided Prompt Learning for Non-overlapping Cross-Domain Recommendation
von: Wang, Yuhan, et al.
Veröffentlicht: (2025)

Decision-aware User Simulation Agent for Evaluating Conversational Recommender Systems
von: Li, Yuan-Chi, et al.
Veröffentlicht: (2026)

Improving Multi-modal Recommender Systems by Denoising and Aligning Multi-modal Content and User Feedback
von: Xv, Guipeng, et al.
Veröffentlicht: (2024)

The Potential of AutoML for Recommender Systems
von: Vente, Tobias, et al.
Veröffentlicht: (2024)

MR.Rec: Synergizing Memory and Reasoning for Personalized Recommendation Assistant with LLMs
von: Huang, Jiani, et al.
Veröffentlicht: (2025)

Distributionally Robust Graph-based Recommendation System
von: Wang, Bohao, et al.
Veröffentlicht: (2024)