Buchumschlag

Intelligent Algorithm Selection for Recommender Systems: Meta-Learning via in-depth algorithm feature engineering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Decker, Jarne Mathi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Algorithm Selection for Recommender Systems via Meta-Learning on Algorithm Characteristics
von: Decker, Jarne Mathi, et al.
Veröffentlicht: (2025)

Shilling Recommender Systems by Generating Side-feature-aware Fake User Profiles
von: Wang, Yuanrong, et al.
Veröffentlicht: (2025)

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

EnhancedRL: An Enhanced-State Reinforcement Learning Algorithm for Multi-Task Fusion in Recommender Systems
von: Liu, Peng, et al.
Veröffentlicht: (2024)

UnifiedRL: A Reinforcement Learning Algorithm Tailored for Multi-Task Fusion in Large-Scale Recommender Systems
von: Liu, Peng, et al.
Veröffentlicht: (2024)

FairFS: Addressing Deep Feature Selection Biases for Recommender System
von: Wang, Xianquan, et al.
Veröffentlicht: (2026)

System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes
von: Agarwal, Arpit, et al.
Veröffentlicht: (2024)

Advancements in Recommender Systems: A Comprehensive Analysis Based on Data, Algorithms, and Evaluation
von: Ma, Xin, et al.
Veröffentlicht: (2024)

Meta-Learning and Targeted Differential Privacy to Improve the Accuracy-Privacy Trade-off in Recommendations
von: Müllner, Peter, et al.
Veröffentlicht: (2026)

Causal Feature Selection Method for Contextual Multi-Armed Bandits in Recommender System
von: Zhao, Zhenyu, et al.
Veröffentlicht: (2024)

CASP: Support-Aware Offline Policy Selection for Two-Stage Recommender Systems
von: Chapagain, Nilson
Veröffentlicht: (2026)

LiMAML: Personalization of Deep Recommender Models via Meta Learning
von: Wang, Ruofan, et al.
Veröffentlicht: (2024)

Towards Principled Learning for Re-ranking in Recommender Systems
von: Li, Qunwei, et al.
Veröffentlicht: (2025)

Efficient Content-based Recommendation Model Training via Noise-aware Coreset Selection
von: Tran, Hung Vinh, et al.
Veröffentlicht: (2026)

Optimizing Conversational Product Recommendation via Reinforcement Learning
von: Liu, Kang
Veröffentlicht: (2025)

Multi-Objective Recommendation via Multivariate Policy Learning
von: Jeunen, Olivier, et al.
Veröffentlicht: (2024)

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

Continual Recommender Systems
von: Yoo, Hyunsik, et al.
Veröffentlicht: (2025)

Algorithmic Collective Action in Recommender Systems: Promoting Songs by Reordering Playlists
von: Baumann, Joachim, et al.
Veröffentlicht: (2024)

Efficient Dataset Selection for Continual Adaptation of Generative Recommenders
von: Jiao, Cathy, et al.
Veröffentlicht: (2026)

Multi-task Offline Reinforcement Learning for Online Advertising in Recommender Systems
von: Liu, Langming, et al.
Veröffentlicht: (2025)

AURO: Reinforcement Learning for Adaptive User Retention Optimization in Recommender Systems
von: Xue, Zhenghai, et al.
Veröffentlicht: (2023)

PolyRecommender: A Multimodal Recommendation System for Polymer Discovery
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Dataset-Agnostic Recommender Systems
von: Wijaya, Tri Kurniawan, et al.
Veröffentlicht: (2025)

Adaptive Conditional Expert Selection Network for Multi-domain Recommendation
von: Dong, Kuiyao, et al.
Veröffentlicht: (2024)

Unified Representation Learning for Multi-Intent Diversity and Behavioral Uncertainty in Recommender Systems
von: Xu, Wei, et al.
Veröffentlicht: (2025)

Graph Contrastive Learning for Optimizing Sparse Data in Recommender Systems with LightGCL
von: Jatavallabha, Aravinda, et al.
Veröffentlicht: (2025)

Retentive Decision Transformer with Adaptive Masking for Reinforcement Learning based Recommendation Systems
von: Wang, Siyu, et al.
Veröffentlicht: (2024)

G-Meta: Distributed Meta Learning in GPU Clusters for Large-Scale Recommender Systems
von: Xiao, Youshao, et al.
Veröffentlicht: (2024)

Tweedie Regression for Video Recommendation System
von: Zheng, Yan, et al.
Veröffentlicht: (2025)

Evaluation on Entity Matching in Recommender Systems
von: Huang, Zihan, et al.
Veröffentlicht: (2026)

The Unreasonable Effectiveness of Data for Recommender Systems
von: Abdou, Youssef
Veröffentlicht: (2026)

Co-clustering for Federated Recommender System
von: He, Xinrui, et al.
Veröffentlicht: (2024)

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

Neural Click Models for Recommender Systems
von: Shirokikh, Mikhail, et al.
Veröffentlicht: (2024)

Generalized Embedding Machines for Recommender Systems
von: Yang, Enneng, et al.
Veröffentlicht: (2020)

Learning to Collaborate via Structures: Cluster-Guided Item Alignment for Federated Recommendation
von: Tu, Yuchun, et al.
Veröffentlicht: (2026)

FELRec: Efficient Handling of Item Cold-Start With Dynamic Representation Learning in Recommender Systems
von: Weimann, Kuba, et al.
Veröffentlicht: (2022)

Online Learning for Recommendations at Grubhub
von: Egg, Alex
Veröffentlicht: (2021)

Mirror Gradient: Towards Robust Multimodal Recommender Systems via Exploring Flat Local Minima
von: Zhong, Shanshan, et al.
Veröffentlicht: (2024)