论文
登录后可查看剩余解析次数。
标签筛选
序列推荐系统
Breaking the Bottleneck: User-Specific Optimization and Real-Time Inference Integration for Sequential Recommendation
发表：2025/8/3
序列推荐系统用户特定优化实时推理集成KL 散度优化深度学习序列方法
该论文针对序列推荐（SR）中的性能瓶颈问题，提出用户专属优化方法，针对每个用户独立分析其行为序列，并引入实时推理集成，以提升推理效率和模型稳定性。通过KL散度优化实现个别序列学习，从而克服固定数据集中的性能限制。
05
Generative Sequential Recommendation with GPTRec
发表：2023/6/20
序列推荐系统基于大语言模型的推荐系统GPT-2架构推荐模型子ID分词算法Next-K生成式推荐策略
本文提出基于GPT2的GPTRec生成式序列推荐模型，采用SVD子ID词元化减少大词汇表问题，并引入NextK生成策略优化推荐列表的复杂目标。实验表明，GPTRec在MovieLens1M上推荐质量与SASRec相当，嵌入表规模缩小40%。
02
TV-Rec: Time-Variant Convolutional Filter for Sequential Recommendation
发表：2025/10/29
序列推荐系统时变卷积滤波器用户行为序列建模图信号处理推荐系统推理加速
本文提出TVRec，一种基于图信号处理的时变卷积滤波器，替代传统固定滤波器和自注意力机制，捕捉用户行为中位置依赖的时间变化。该方法提升表达能力，减少计算量，加速推理，在六个公开数据集上平均性能提升7.49%。
05
R4ec: A Reasoning, Reflection, and Refinement Framework for
Recommendation Systems
发表：2025/7/23
生成式推荐系统大语言模型强化学习训练序列推荐系统基于大语言模型的推荐系统推理反思与精炼框架
本文提出R4ec框架，结合推理、反思和精炼，引入行动者模型和反思模型迭代优化推荐结果，实现类似系统2的思维方式。实验证明该方法在多个公开数据集及大规模广告平台中提升推荐性能及收益。
03