:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Li, Zhexiang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	https://arxiv.org/abs/2601.02381
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Warmer for Less: A Cost-Efficient Strategy for Cold-Start Recommendations at Pinterest
von: Ebrahimi, Saeed, et al.
Veröffentlicht: (2025)

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

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

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)

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)

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

SocRipple: A Two-Stage Framework for Cold-Start Video Recommendations
von: Jaspal, Amit, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

LLMTreeRec: Unleashing the Power of Large Language Models for Cold-Start Recommendations
von: Zhang, Wenlin, et al.
Veröffentlicht: (2024)

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

Diagnosing LLM-based Rerankers in Cold-Start Recommender Systems: Coverage, Exposure and Practical Mitigations
von: Lemdiasova, Ekaterina, et al.
Veröffentlicht: (2026)

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

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

GateSID: Adaptive Gating for Semantic-Collaborative Alignment in Cold-Start Recommendation
von: Zhu, Hai, et al.
Veröffentlicht: (2026)

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

Personalized Diffusion Model Reshapes Cold-Start Bundle Recommendation
von: Bui, Tuan-Nghia, et al.
Veröffentlicht: (2025)

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

Hybrid Cold-Start Recommender System for Closure Model Selection in Multiphase Flow Simulations
von: Hänsch, S., et al.
Veröffentlicht: (2026)

SimRec: Mitigating the Cold-Start Problem in Sequential Recommendation by Integrating Item Similarity
von: Brody, Shaked, et al.
Veröffentlicht: (2024)

RLT4Rec: Reinforcement Learning Transformer for User Cold Start and Item Recommendation
von: Rajapakse, Dilina Chandika, 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)

Harnessing Light for Cold-Start Recommendations: Leveraging Epistemic Uncertainty to Enhance Performance in User-Item Interactions
von: Xiang, Yang, et al.
Veröffentlicht: (2025)

RAGSys: Item-Cold-Start Recommender as RAG System
von: Contal, Emile, et al.
Veröffentlicht: (2024)

IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs
von: Zhang, Yubin, et al.
Veröffentlicht: (2026)

Online Item Cold-Start Recommendation with Popularity-Aware Meta-Learning
von: Luo, Yunze, et al.
Veröffentlicht: (2024)

MoToRec: Sparse-Regularized Multimodal Tokenization for Cold-Start Recommendation
von: Liu, Jialin, et al.
Veröffentlicht: (2026)

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

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

Epinet for Content Cold Start
von: Jeon, Hong Jun, et al.
Veröffentlicht: (2024)

Shallow AutoEncoding Recommender with Cold Start Handling via Side Features
von: Cui, Edward DongBo, et al.
Veröffentlicht: (2025)

Revealing Potential Biases in LLM-Based Recommender Systems in the Cold Start Setting
von: Andre, Alexandre, et al.
Veröffentlicht: (2025)