论文
登录后可查看剩余解析次数。
标签筛选
在线推荐系统优化
Inductive Generative Recommendation via Retrieval-based Speculation
发表：2024/10/4
生成式推荐系统无训练加速方法在线推荐系统优化序列推荐系统图像生成
本文提出了，一种基于检索的归纳式生成推荐框架，旨在弥补生成式推荐模型在推荐未见物品时的不足。通过引入具有归纳能力的草拟模型来提出候选物品，并由生成式模型进行验证，显著提升了推荐精准度和性能。
03
UNGER: Generative Recommendation with A Unified Code via Semantic and Collaborative Integration
发表：2025/10/28
生成式推荐系统基于知识图谱的推荐系统个性化推荐系统多模态推荐系统在线推荐系统优化
本文提出了UNGER，一种通过将语义和协作信息整合为统一代码的生成式推荐方法，旨在解决信息过载问题及现有系统编码冗余的挑战。采用两阶段框架，该模型有效构建了可学习的模态适应层以优化编码过程，显著降低了存储与推理成本。研究发现，这种新方法不仅提高了推荐系统的效率，还充分利用了不同模态间的互补优势，为推荐系统的大规模部署提供了可行性。
06
SCoTER: Structured Chain-of-Thought Transfer for Enhanced Recommendation
发表：2025/11/24
大语言模型推荐系统结构化推理链转移模式发现机制高效模型结构集成在线推荐系统优化
论文提出了SCoTER，一个结构化思维链迁移框架，旨在有效整合大型语言模型在推荐系统中的推理能力。SCoTER通过自动模式发现和结构保持集成解决了当前方法的两大挑战，实现了更高效的模型性能，实验验证了其优越性。
05
Sparse Meets Dense: Unified Generative Recommendations with Cascaded Sparse-Dense Representations
发表：2025/3/4
稀疏密集推荐模型生成式推荐系统级联稀疏-密集表示用户交互序列建模在线推荐系统优化
本研究提出了级联组织双表示生成式检索框架（COBRA），创新性地将稀疏语义ID与密集向量整合。通过交替生成稀疏ID与密集向量，COBRA实现了端到端训练，动态优化密集表示，并有效捕获用户物品交互中的语义与协同信号，实验结果验证其在推荐系统中的优越性。
04