Buchumschlag

MI-DPG: Decomposable Parameter Generation Network Based on Mutual Information for Multi-Scenario Recommendation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Wenzhuo, Ding, Ke, Dong, Xin, He, Yong, Zhang, Liang, Mo, Linjian
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

DOGR: Leveraging Document-Oriented Contrastive Learning in Generative Retrieval
von: Lu, Penghao, et al.
Veröffentlicht: (2025)

Towards Personalized Federated Multi-Scenario Multi-Task Recommendation
von: Ding, Yue, et al.
Veröffentlicht: (2024)

M-scan: A Multi-Scenario Causal-driven Adaptive Network for Recommendation
von: Zhu, Jiachen, et al.
Veröffentlicht: (2024)

Template-Based Financial Report Generation in Agentic and Decomposed Information Retrieval
von: Tian, Yong-En, et al.
Veröffentlicht: (2025)

Paragon: Parameter Generation for Controllable Multi-Task Recommendation
von: Shen, Chenglei, et al.
Veröffentlicht: (2024)

A Learnable Fully Interacted Two-Tower Model for Pre-Ranking System
von: Xiong, Chao, et al.
Veröffentlicht: (2025)

Scenario-Wise Rec: A Multi-Scenario Recommendation Benchmark
von: Li, Xiaopeng, et al.
Veröffentlicht: (2024)

CapsID: Soft-Routed Variable-Length Semantic IDs for Generative Recommendation
von: Cheng, Wenzhuo, et al.
Veröffentlicht: (2026)

Breaking the Length Barrier: LLM-Enhanced CTR Prediction in Long Textual User Behaviors
von: Geng, Binzong, et al.
Veröffentlicht: (2024)

Content-Based Collaborative Generation for Recommender Systems
von: Wang, Yidan, et al.
Veröffentlicht: (2024)

Aligning Explanations for Recommendation with Rating and Feature via Maximizing Mutual Information
von: Zhao, Yurou, et al.
Veröffentlicht: (2024)

Trie-Aware Transformers for Generative Recommendation
von: Xu, Zhenxiang, et al.
Veröffentlicht: (2026)

Disentangled Cascaded Graph Convolution Networks for Multi-Behavior Recommendation
von: Cheng, Zhiyong, et al.
Veröffentlicht: (2024)

Generating Negative Samples for Multi-Modal Recommendation
von: Ji, Yanbiao, et al.
Veröffentlicht: (2025)

On the Accuracy Limits of Sequential Recommender Systems: An Entropy-Based Approach
von: Xu, En, et al.
Veröffentlicht: (2026)

TBGRecall: A Generative Retrieval Model for E-commerce Recommendation Scenarios
von: Liang, Zida, et al.
Veröffentlicht: (2025)

Multi-Scenario User Profile Construction via Recommendation Lists
von: Zhang, Hui, et al.
Veröffentlicht: (2026)

A Unified Search and Recommendation Framework Based on Multi-Scenario Learning for Ranking in E-commerce
von: Liu, Jinhan, et al.
Veröffentlicht: (2024)

Boosting Parameter Efficiency in LLM-Based Recommendation through Sophisticated Pruning
von: Zheng, Shanle, et al.
Veröffentlicht: (2025)

InfoRank: Unbiased Learning-to-Rank via Conditional Mutual Information Minimization
von: Jin, Jiarui, et al.
Veröffentlicht: (2024)

OneMall: One Architecture, More Scenarios -- End-to-End Generative Recommender Family at Kuaishou E-Commerce
von: Zhang, Kun, et al.
Veröffentlicht: (2026)

ICPE: An Item Cluster-Wise Pareto-Efficient Framework for Recommendation Debiasing
von: Wang, Yule, et al.
Veröffentlicht: (2021)

Knowledge Enhanced Multi-intent Transformer Network for Recommendation
von: Zou, Ding, et al.
Veröffentlicht: (2024)

Alleviating LLM-based Generative Retrieval Hallucination in Alipay Search
von: Shen, Yedan, et al.
Veröffentlicht: (2025)

Integrating Large Language Models into Recommendation via Mutual Augmentation and Adaptive Aggregation
von: Luo, Sichun, et al.
Veröffentlicht: (2024)

Simple but Efficient: A Multi-Scenario Nearline Retrieval Framework for Recommendation on Taobao
von: Ma, Yingcai, et al.
Veröffentlicht: (2024)

Mixture-of-Experts Knowledge Graph Retrieval-Augmented Generation for Multi-Agent LLM-based Recommendation
von: Wang, Shijie, et al.
Veröffentlicht: (2026)

The 2nd Workshop on Recommendation with Generative Models
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)

Latent Factor Modeling with Expert Network for Multi-Behavior Recommendation
von: Yan, Mingshi, et al.
Veröffentlicht: (2026)

GraphFusionSBR: Denoising Multi-Channel Graphs for Session-Based Recommendation
von: He, Jia-Xin, et al.
Veröffentlicht: (2026)

Hierarchical Graph Information Bottleneck for Multi-Behavior Recommendation
von: Zhang, Hengyu, et al.
Veröffentlicht: (2025)

Multi-Level Sequence Denoising with Cross-Signal Contrastive Learning for Sequential Recommendation
von: Zhu, Xiaofei, et al.
Veröffentlicht: (2024)

Automated Information Flow Selection for Multi-scenario Multi-task Recommendation
von: Yang, Chaohua, et al.
Veröffentlicht: (2025)

Multi-modal Generative Models in Recommendation System
von: Ramisa, Arnau, et al.
Veröffentlicht: (2024)

Recurrent Preference Memory for Efficient Long-Sequence Generative Recommendation
von: Chen, Yixiao, et al.
Veröffentlicht: (2026)

Massive Memorization with Hundreds of Trillions of Parameters for Sequential Transducer Generative Recommenders
von: Chen, Zhimin, et al.
Veröffentlicht: (2025)

Multi-Behavior Generative Recommendation
von: Liu, Zihan, et al.
Veröffentlicht: (2024)

FedUTR: Federated Recommendation with Augmented Universal Textual Representation for Sparse Interaction Scenarios
von: Fu, Kang, et al.
Veröffentlicht: (2026)

Token-Weighted Multi-Target Learning for Generative Recommenders with Curriculum Learning
von: Chiu, Wei-Ning, et al.
Veröffentlicht: (2026)

Disentangling and Generating Modalities for Recommendation in Missing Modality Scenarios
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)