会员服务
推荐系统，是指根据用户的习惯、偏好或兴趣，从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同，这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
RecSoup: Efficient Model Merging Approach for Controllable Multi-Objective Recommendation
Arxiv
0+阅读 · 10月15日
Encoded but Exposed: Language Embeddings can Reveal More Than They Should in Recommender Systems
Arxiv
0+阅读 · 10月15日
Fine-Tuning Strategy, Not Just Data: A Statistically Rigorous Audit of Gender and Stereotypical Bias in Embedding Models for HR Recommendation Systems
Arxiv
0+阅读 · 10月10日
Understanding and Mitigating Training Instability in Large-Scale Recommender Systems: A Cascade Perspective
Arxiv
0+阅读 · 10月9日
Eval4DiRec: A Unified and Systematic Evaluation Framework for Diffusion-based Recommender Systems
Arxiv
0+阅读 · 10月10日
SimInter: Evidence-Grounded User Simulation with Interview-Based Profile Enrichment for Conversational Recommender Systems
Arxiv
0+阅读 · 10月13日
Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems
Arxiv
0+阅读 · 10月10日
PsyBer-Agent: A Psychology-Driven User Agent for Recommender Systems
Arxiv
0+阅读 · 9月26日
Behavior-Mining, Generative Conversations, and Collaborative Advisory: the Future of Travel and Tourism Recommender Systems
Arxiv
0+阅读 · 10月6日
HypRQ-VAE: Hyperbolic Item Indexing for Long-Tail-Aware Generative Recommender Systems
Arxiv
0+阅读 · 9月3日
Offline A/B Testing of Slate Recommendation Systems with LLMs: Reducing the Dependency on Pre-Collected User Interaction Data
Arxiv
0+阅读 · 9月23日
Membership Inference Attacks on Recommender System: A Survey
Arxiv
0+阅读 · 9月11日
FunnelAudit: Responsibility Auditing in Multi-Route Recommender Systems
Arxiv
0+阅读 · 9月7日
Seeing the Context: Enhancing Recommender Systems with Image-Derived Contextual Signals
Arxiv
0+阅读 · 10月6日
RQ-Reg: A Residual-Quantization-Based Framework for Continuous Value Prediction in Recommender Systems
Arxiv
0+阅读 · 9月24日
参考链接
微信扫码咨询专知VIP会员
Top