:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Yunhang, Xu, Cong, Zhu, Zhangchi, Yin, Hongzhi, Zhang, Wei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	https://arxiv.org/abs/2604.22549
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Collaborative Filtering Meets Spectrum Shift: Connecting User-Item Interaction with Graph-Structured Side Information
von: He, Yunhang, et al.
Veröffentlicht: (2025)

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

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

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

STAIR: Manipulating Collaborative and Multimodal Information for E-Commerce Recommendation
von: Xu, Cong, et al.
Veröffentlicht: (2024)

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

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)

Squeeze and Excitation: A Weighted Graph Contrastive Learning for Collaborative Filtering
von: Chen, Zheyu, et al.
Veröffentlicht: (2025)

General Debiasing for Graph-based Collaborative Filtering via Adversarial Graph Dropout
von: Zhang, An, et al.
Veröffentlicht: (2024)

AFDGCF: Adaptive Feature De-correlation Graph Collaborative Filtering for Recommendations
von: Wu, Wei, et al.
Veröffentlicht: (2024)

Diffusion-augmented Graph Contrastive Learning for Collaborative Filter
von: Huang, Fan, et al.
Veröffentlicht: (2025)

Graph Signal Diffusion Model for Collaborative Filtering
von: Zhu, Yunqin, et al.
Veröffentlicht: (2023)

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

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

A Node-Aware Dynamic Quantization Approach for Graph Collaborative Filtering
von: Li, Lin, et al.
Veröffentlicht: (2025)

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

Enhancing Graph Collaborative Filtering with FourierKAN Feature Transformation
von: Xu, Jinfeng, et al.
Veröffentlicht: (2024)

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

Break the Optimization Barrier of LLM-Enhanced Recommenders: A Theoretical Analysis and Practical Framework
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2026)

Preference-Consistent Knowledge Distillation for Recommender System
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2023)

Understanding the Role of Cross-Entropy Loss in Fairly Evaluating Large Language Model-based Recommendation
von: Xu, Cong, et al.
Veröffentlicht: (2024)

Improving Collaborative Filtering Recommendation via Graph Learning
von: Wang, Yongyu
Veröffentlicht: (2023)

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

MixRec: Heterogeneous Graph Collaborative Filtering
von: Xia, Lianghao, et al.
Veröffentlicht: (2024)

Embed Progressive Implicit Preference in Unified Space for Deep Collaborative Filtering
von: Zhang, Zhongjin, et al.
Veröffentlicht: (2025)

S-Diff: An Anisotropic Diffusion Model for Collaborative Filtering in Spectral Domain
von: Xia, Rui, et al.
Veröffentlicht: (2024)

Wasserstein Dependent Graph Attention Network for Collaborative Filtering with Uncertainty
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

Towards Unified and Adaptive Cross-Domain Collaborative Filtering via Graph Signal Processing
von: Lee, Jeongeun, et al.
Veröffentlicht: (2024)

Fair Augmentation for Graph Collaborative Filtering
von: Boratto, Ludovico, et al.
Veröffentlicht: (2024)

Exploring the Individuality and Collectivity of Intents behind Interactions for Graph Collaborative Filtering
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

Disentangled Contrastive Collaborative Filtering
von: Ren, Xubin, et al.
Veröffentlicht: (2023)

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

Rejuvenating Cross-Entropy Loss in Knowledge Distillation for Recommender Systems
von: Zhu, Zhangchi, et al.
Veröffentlicht: (2025)

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

Are LLM-based Recommenders Already the Best? Simple Scaled Cross-entropy Unleashes the Potential of Traditional Sequential Recommenders
von: Xu, Cong, et al.
Veröffentlicht: (2024)

Learning Binarized Representations with Pseudo-positive Sample Enhancement for Efficient Graph Collaborative Filtering
von: Chen, Yankai, et al.
Veröffentlicht: (2025)

Transparent and Controllable Recommendation Filtering via Multimodal Multi-Agent Collaboration
von: Zhang, Chi, et al.
Veröffentlicht: (2026)

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

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