Buchumschlag

From Knots to Knobs: Towards Steerable Collaborative Filtering Using Sparse Autoencoders

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Spišák, Martin, Peška, Ladislav, Škoda, Petr, Vančura, Vojtěch, Alves, Rodrigo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Learning of Sparse Representations from Interactions
von: Vančura, Vojtěch, et al.
Veröffentlicht: (2026)

The Future is Sparse: Embedding Compression for Scalable Retrieval in Recommender Systems
von: Kasalický, Petr, et al.
Veröffentlicht: (2025)

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

beeFormer: Bridging the Gap Between Semantic and Interaction Similarity in Recommender Systems
von: Vančura, Vojtěch, et al.
Veröffentlicht: (2024)

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

SVD-AE: Simple Autoencoders for Collaborative Filtering
von: Hong, Seoyoung, et al.
Veröffentlicht: (2024)

Towards Mitigating Dimensional Collapse of Representations in Collaborative Filtering
von: Chen, Huiyuan, et al.
Veröffentlicht: (2023)

Why not Collaborative Filtering in Dual View? Bridging Sparse and Dense Models
von: Guo, Hanze, et al.
Veröffentlicht: (2026)

Consensus-Driven Group Recommendation on Sparse Explicit Feedback: A Collaborative Filtering and Choquet-Borda Aggregation Framework
von: Van, Anh Nguyen, et al.
Veröffentlicht: (2026)

Flow Matching for Collaborative Filtering
von: Liu, Chengkai, et al.
Veröffentlicht: (2025)

Understanding Internal Representations of Recommendation Models with Sparse Autoencoders
von: Wang, Jiayin, et al.
Veröffentlicht: (2024)

From Pairwise to Ranking: Climbing the Ladder to Ideal Collaborative Filtering with Pseudo-Ranking
von: Zhao, Yuhan, et al.
Veröffentlicht: (2024)

Intent Propagation Contrastive Collaborative Filtering
von: Li, Haojie, et al.
Veröffentlicht: (2026)

Understanding Embedding Scaling in Collaborative Filtering
von: He, Yicheng, et al.
Veröffentlicht: (2025)

Neural Causal Graph Collaborative Filtering
von: Wang, Xiangmeng, et al.
Veröffentlicht: (2023)

Representation Quantization for Collaborative Filtering Augmentation
von: Luo, Yunze, et al.
Veröffentlicht: (2025)

Feedback Reciprocal Graph Collaborative Filtering
von: Chen, Weijun, et al.
Veröffentlicht: (2024)

Lightweight Embeddings for Graph Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2024)

PULSE: Socially-Aware User Representation Modeling Toward Parameter-Efficient Graph Collaborative Filtering
von: Choi, Doyun, et al.
Veröffentlicht: (2026)

CF4J: Collaborative Filtering for Java
von: Ortega, Fernando, et al.
Veröffentlicht: (2024)

Hierarchical Matrix Factorization for Interpretable Collaborative Filtering
von: Sugahara, Kai, et al.
Veröffentlicht: (2023)

Large Language Models Enhanced Collaborative Filtering
von: Sun, Zhongxiang, et al.
Veröffentlicht: (2024)

Lightweight Embeddings with Graph Rewiring for Collaborative Filtering
von: Liang, Xurong, et al.
Veröffentlicht: (2025)

Adaptive Hardness Negative Sampling for Collaborative Filtering
von: Lai, Riwei, et al.
Veröffentlicht: (2024)

Evaluating Keyframe Layouts for Visual Known-Item Search in Homogeneous Collections
von: Jäckl, Bastian, et al.
Veröffentlicht: (2025)

Exploring the Upper Limits of Text-Based Collaborative Filtering Using Large Language Models: Discoveries and Insights
von: Li, Ruyu, et al.
Veröffentlicht: (2023)

Weighted Tensor Decompositions for Context-aware Collaborative Filtering
von: De Pauw, Joey, et al.
Veröffentlicht: (2025)

QAGCF: Graph Collaborative Filtering for Q&A Recommendation
von: Zhang, Changshuo, et al.
Veröffentlicht: (2024)

Graph Neural Controlled Differential Equations For Collaborative Filtering
von: Xu, Ke, et al.
Veröffentlicht: (2025)

Unifying Graph Convolution and Contrastive Learning in Collaborative Filtering
von: Wu, Yihong, et al.
Veröffentlicht: (2024)

Light distillation for Incremental Graph Convolution Collaborative Filtering
von: Fan, X, et al.
Veröffentlicht: (2025)

Diversity-Augmented Negative Sampling for Implicit Collaborative Filtering
von: Xuan, Yueqing, et al.
Veröffentlicht: (2025)

Deep Rating Elicitation for New Users in Collaborative Filtering
von: Kweon, Wonbin, et al.
Veröffentlicht: (2024)

Understanding and Improving Adversarial Collaborative Filtering for Robust Recommendation
von: Zhang, Kaike, et al.
Veröffentlicht: (2024)

Self-supervised Contrastive Learning for Implicit Collaborative Filtering
von: Song, Shipeng, et al.
Veröffentlicht: (2024)

Safe Collaborative Filtering
von: Togashi, Riku, et al.
Veröffentlicht: (2023)

ASPIRE: Make Spectral Graph Collaborative Filtering Great Again via Adaptive Filter Learning
von: He, Yunhang, et al.
Veröffentlicht: (2026)

Interests Burn-down Diffusion Process for Personalized Collaborative Filtering
von: Qin, Yifang, et al.
Veröffentlicht: (2026)

Discrete Scale-invariant Metric Learning for Efficient Collaborative Filtering
von: Zhang, Yan, et al.
Veröffentlicht: (2025)

Aiming at the Target: Filter Collaborative Information for Cross-Domain Recommendation
von: Li, Hanyu, et al.
Veröffentlicht: (2024)