Buchumschlag

Learning to Collaborate via Structures: Cluster-Guided Item Alignment for Federated Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tu, Yuchun, Li, Zhiwei, Sun, Bingli, Li, Yixuan, Song, Xiao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Listwise Preference Alignment Optimization for Tail Item Recommendation
von: Li, Zihao, et al.
Veröffentlicht: (2025)

Item Cluster-aware Prompt Learning for Session-based Recommendation
von: Yang, Wooseong, et al.
Veröffentlicht: (2024)

Balanced Co-Clustering of Users and Items for Embedding Table Compression in Recommender Systems
von: Jiang, Runhao, et al.
Veröffentlicht: (2026)

Temporal Linear Item-Item Model for Sequential Recommendation
von: Park, Seongmin, et al.
Veröffentlicht: (2024)

Cluster-Enhanced Federated Graph Neural Network for Recommendation
von: Wang, Haiyan, et al.
Veröffentlicht: (2024)

Bootstrapping Conditional Retrieval for User-to-Item Recommendations
von: Lin, Hongtao, et al.
Veröffentlicht: (2025)

Federated Vision-Language-Recommendation with Personalized Fusion
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Taming the Long Tail: Efficient Item-wise Sharpness-Aware Minimization for LLM-based Recommender Systems
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

Beyond Item Dissimilarities: Diversifying by Intent in Recommender Systems
von: Wang, Yuyan, et al.
Veröffentlicht: (2024)

General Item Representation Learning for Cold-start Content Recommendations
von: Kim, Jooeun, et al.
Veröffentlicht: (2024)

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

A Systematic Survey on Federated Sequential Recommendation
von: Li, Yichen, et al.
Veröffentlicht: (2025)

Navigating the Future of Federated Recommendation Systems with Foundation Models
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Enhancing Item Tokenization for Generative Recommendation through Self-Improvement
von: Chen, Runjin, et al.
Veröffentlicht: (2024)

Learning to Fast Unrank in Collaborative Filtering Recommendation
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

Collaborative Filtering Through Weighted Similarities of User and Item Embeddings
von: Pires, Pedro R., et al.
Veröffentlicht: (2026)

Online Matrix Completion: A Collaborative Approach with Hott Items
von: Baby, Dheeraj, et al.
Veröffentlicht: (2024)

Personalized Federated Collaborative Filtering: A Variational AutoEncoder Approach
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Scalable Cross-Entropy Loss for Sequential Recommendations with Large Item Catalogs
von: Mezentsev, Gleb, et al.
Veröffentlicht: (2024)

Improved Diversity-Promoting Collaborative Metric Learning for Recommendation
von: Bao, Shilong, et al.
Veröffentlicht: (2024)

Don't Waste It: Guiding Generative Recommenders with Structured Human Priors via Multi-Head Decoding
von: Zhang, Yunkai, et al.
Veröffentlicht: (2025)

Offline Reasoning for Efficient Recommendation: LLM-Empowered Persona-Profiled Item Indexing
von: Kim, Deogyong, et al.
Veröffentlicht: (2026)

FedDCSR: Federated Cross-domain Sequential Recommendation via Disentangled Representation Learning
von: Zhang, Hongyu, et al.
Veröffentlicht: (2023)

Low Rank Field-Weighted Factorization Machines for Low Latency Item Recommendation
von: Shtoff, Alex, et al.
Veröffentlicht: (2024)

Efficient and Robust Regularized Federated Recommendation
von: Liu, Langming, et al.
Veröffentlicht: (2024)

Learning Behaviorally Grounded Item Embeddings via Personalized Temporal Contexts
von: Sereicikas, Rafael T., et al.
Veröffentlicht: (2026)

UIPC-MF: User-Item Prototype Connection Matrix Factorization for Explainable Collaborative Filtering
von: Pan, Lei, et al.
Veröffentlicht: (2023)

ContextGNN goes to Elliot: Towards Benchmarking Relational Deep Learning for Static Link Prediction (aka Personalized Item Recommendation)
von: Ariza-Casabona, Alejandro, et al.
Veröffentlicht: (2025)

Deep Adaptive Interest Network: Personalized Recommendation with Context-Aware Learning
von: Huang, Shuaishuai, et al.
Veröffentlicht: (2024)

Recommending Composite Items Using Multi-Level Preference Information: A Joint Interaction Modeling Approach
von: Bi, Xuan, et al.
Veröffentlicht: (2026)

Parameter-Efficient Single Collaborative Branch for Recommendation
von: Moscati, Marta, et al.
Veröffentlicht: (2025)

Multiple Models for Recommending Temporal Aspects of Entities
von: Nguyen, Tu, et al.
Veröffentlicht: (2018)

Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity
von: Fan, Ziwei, et al.
Veröffentlicht: (2023)

Multi-Item-Query Attention for Stable Sequential Recommendation
von: Xu, Mingshi, et al.
Veröffentlicht: (2025)

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

Policy-Guided Causal State Representation for Offline Reinforcement Learning Recommendation
von: Wang, Siyu, et al.
Veröffentlicht: (2025)

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

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

A Metric for MLLM Alignment in Large-scale Recommendation
von: Zhang, Yubin, et al.
Veröffentlicht: (2025)

RankGraph: Unified Heterogeneous Graph Learning for Cross-Domain Recommendation
von: Wu, Renzhi, et al.
Veröffentlicht: (2025)