Buchumschlag

How Reliable Are Semantic-ID Tokenizer Comparisons in Generative Recommendation?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Qian, Szymanski, Lech, Zhang, Haibo, Deng, Jeremiah D.
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

CAST: Modeling Semantic-Level Transitions for Complementary-Aware Sequential Recommendation
von: Zhang, Qian, et al.
Veröffentlicht: (2026)

MMQ: Multimodal Mixture-of-Quantization Tokenization for Semantic ID Generation and User Behavioral Adaptation
von: Xu, Yi, et al.
Veröffentlicht: (2025)

Differentiable Semantic ID for Generative Recommendation
von: Fu, Junchen, et al.
Veröffentlicht: (2026)

Generative Next POI Recommendation with Semantic ID
von: Wang, Dongsheng, et al.
Veröffentlicht: (2025)

End-to-End Semantic ID Generation for Generative Advertisement Recommendation
von: Jiang, Jie, et al.
Veröffentlicht: (2026)

Learning ID-free Item Representation with Token Crossing for Multimodal Recommendation
von: Zhang, Kangning, et al.
Veröffentlicht: (2024)

Expressiveness Limits of Autoregressive Semantic ID Generation in Generative Recommendation
von: Hou, Yupeng, et al.
Veröffentlicht: (2026)

Masked Diffusion Generative Recommendation
von: Mu, Lingyu, et al.
Veröffentlicht: (2026)

RASTP: Representation-Aware Semantic Token Pruning for Generative Recommendation with Semantic Identifiers
von: Zhan, Tianyu, et al.
Veröffentlicht: (2025)

CoST: Contrastive Quantization based Semantic Tokenization for Generative Recommendation
von: Zhu, Jieming, et al.
Veröffentlicht: (2024)

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

Unified Semantic and ID Representation Learning for Deep Recommenders
von: Lin, Guanyu, et al.
Veröffentlicht: (2025)

From IDs to Semantics: A Generative Framework for Cross-Domain Recommendation with Adaptive Semantic Tokenization
von: Hu, Peiyu, et al.
Veröffentlicht: (2025)

Learnable Item Tokenization for Generative Recommendation
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)

Learning to Reflect and Correct: Towards Better Decoding Trajectories for Large-Scale Generative Recommendation
von: Xing, Haibo, et al.
Veröffentlicht: (2026)

TokenRec: Learning to Tokenize ID for LLM-based Generative Recommendation
von: Qu, Haohao, et al.
Veröffentlicht: (2024)

LLaDA-Rec: Discrete Diffusion for Parallel Semantic ID Generation in Generative Recommendation
von: Shi, Teng, et al.
Veröffentlicht: (2025)

Drift-Aware Continual Tokenization for Generative Recommendation
von: Feng, Yuebo, et al.
Veröffentlicht: (2026)

ID-centric Pre-training for Recommendation
von: Wu, Yiqing, et al.
Veröffentlicht: (2024)

Learning Multi-Aspect Item Palette: A Semantic Tokenization Framework for Generative Recommendation
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Bi-Level Optimization for Generative Recommendation: Bridging Tokenization and Generation
von: Bai, Yimeng, et al.
Veröffentlicht: (2025)

S-GRec: Personalized Semantic-Aware Generative Recommendation with Asymmetric Advantage
von: Jiang, Jie, et al.
Veröffentlicht: (2026)

RCLRec: Reverse Curriculum Learning for Modeling Sparse Conversions in Generative Recommendation
von: Huang, Yulei, et al.
Veröffentlicht: (2026)

Rethinking Generative Recommender Tokenizer: Recsys-Native Encoding and Semantic Quantization Beyond LLMs
von: Liang, Yu, et al.
Veröffentlicht: (2026)

Taming the Long Tail: Denoising Collaborative Information for Robust Semantic ID Generation
von: Xu, Yi, et al.
Veröffentlicht: (2025)

Dual Adversarial Perturbators Generate rich Views for Recommendation
von: Zhang, Lijun, et al.
Veröffentlicht: (2024)

Token-level Collaborative Alignment for LLM-based Generative Recommendation
von: Lin, Fake, et al.
Veröffentlicht: (2026)

LWGR: Lagrangian-Constrained Personalized World Knowledge for Generative Recommendation
von: Mu, Lingyu, et al.
Veröffentlicht: (2026)

PIT: A Dynamic Personalized Item Tokenizer for End-to-End Generative Recommendation
von: Wang, Huanjie, et al.
Veröffentlicht: (2026)

C2T-ID: Converting Semantic Codebooks to Textual Document Identifiers for Generative Search
von: Zhang, Yingchen, et al.
Veröffentlicht: (2025)

REG4Rec: Reasoning-Enhanced Generative Model for Large-Scale Recommendation Systems
von: Xing, Haibo, et al.
Veröffentlicht: (2025)

LASAR: Latent Adaptive Semantic Aligned Reasoning for Generative Recommendation
von: Chen, Yiwen, et al.
Veröffentlicht: (2026)

Semantic Trimming and Auxiliary Multi-step Prediction for Generative Recommendation
von: Zhan, Tianyu, et al.
Veröffentlicht: (2026)

DiscRec: Disentangled Semantic-Collaborative Modeling for Generative Recommendation
von: Liu, Chang, et al.
Veröffentlicht: (2025)

SODA: Semantic-Oriented Distributional Alignment for Generative Recommendation
von: Xue, Ziqi, et al.
Veröffentlicht: (2026)

Mitigating Collaborative Semantic ID Staleness in Generative Retrieval
von: Baikalov, Vladimir, et al.
Veröffentlicht: (2026)

Generative Recommender with End-to-End Learnable Item Tokenization
von: Liu, Enze, et al.
Veröffentlicht: (2024)

Semantic IDs for Joint Generative Search and Recommendation
von: Penha, Gustavo, et al.
Veröffentlicht: (2025)

Snippet-based Conversational Recommender System
von: Sun, Haibo, et al.
Veröffentlicht: (2024)

Enhancing Embedding Representation Stability in Recommendation Systems with Semantic ID
von: Zheng, Carolina, et al.
Veröffentlicht: (2025)