Similarity Aggregation for Collaborative Filtering

D. I. Ignatov; Sarwar S. M.; Hasan M.; Billal M.

Публикации

?

Similarity Aggregation for Collaborative Filtering

Игнатов Д. И., Sarwar S. M., Hasan M., Billal M.

Язык: английский

Полный текст

Ключевые слова: collaborative filtering similarity measures Similarity fusion Recommender Systems

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Интеллектуальный анализ данных на основе решеток замкнутых описаний и прикладных онтологий (2015)

В книге

Analysis of Images, Social Networks and Texts. 4th International Conference, AIST 2015, Yekaterinburg, Russia, April 9–11, 2015, Revised Selected Papers

Vol. 542: Series: Communications in Computer and Information Science. , Switzerland: Springer, 2015.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., User Modelling and User-Adapted Interaction 2026 Vol. 36 Article 2

Графовые системы рекомендаций стали мощной парадигмой для персонализированных рекомендаций. Однако их зависимость от полного переобучения модели для интеграции новых пользователей или новых взаимодействий создаёт барьеры для масштабирования. В реальных системах рекомендаций эта задача становится невыполнимой из-за чрезмерных затрат времени и ресурсов. Чтобы преодолеть это ограничение, мы предлагаем быстрый и эффективный метод обновления графовых рекомендательных моделей ...

Добавлено: 15 марта 2026 г.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., User Modeling and User-Adapted Interaction 2025 P. 1–24

Добавлено: 14 марта 2026 г.

Efficient Incorporation of New Interactions in Graph Recommenders via Folding-In

Юсупов В. А., Sukhorukov N., Фролов Е. П., , in: User Modeling and User-Adapted Interaction.: Springer, 2026. Ch. 36.2 P. 1–24.

Добавлено: 29 января 2026 г.

An Analysis of Sequential Patterns in Datasets for Evaluation of Sequential Recommendations

Klenitskiy A., Anna Volodkevich, Pembek A. и др., ACM Transactions on Recommender Systems 2026

Добавлено: 28 января 2026 г.

Autoregressive generation strategies for Top-K sequential recommendations

Anna Volodkevich, Danil Gusak, Klenitskiy A. и др., User Modelling and User-Adapted Interaction 2025 No. 35 Article 13

Добавлено: 26 января 2026 г.

Encode Me If You Can: Learning Universal User Representations via Event Sequence Autoencoding

Klenitskiy A., Фаткулин А. А., Denisova D. и др., , in: RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025.: Association for Computing Machinery (ACM), 2025. P. 26–30.

Добавлено: 26 января 2026 г.

Benefiting from Negative yet Informative Feedback by Contrasting Opposing Sequential Patterns

Ivanova V., Фролов Е. П., Васильев А. В., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 1142–1147.

Добавлено: 26 января 2026 г.

Let It Go? Not Quite: Addressing Item Cold Start in Sequential Recommendations with Content-Based Initialization

Pembek A., Фаткулин А. А., Klenitskiy A. и др., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 626–631.

Добавлено: 26 января 2026 г.

32nd SIGKDD Conference on Knowledge Discovery and Data Mining

Association for Computing Machinery (ACM), 2026.

Добавлено: 25 ноября 2025 г.

Blending Sequential Embeddings, Graphs, and Engineered Features: 4th Place Solution in RecSys Challenge 2025

Makeev S., Andreev A., Baikalov V. и др., , in: RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025.: Association for Computing Machinery (ACM), 2025. P. 21–25.

Добавлено: 19 ноября 2025 г.

RecSysChallenge '25: Proceedings of the Recommender Systems Challenge 2025

Association for Computing Machinery (ACM), 2025.

Добавлено: 19 ноября 2025 г.

Correcting the LogQ Correction: Revisiting Sampled Softmax for Large-Scale Retrieval

Хрыльченко К. Я., Baikalov V., Makeev S. и др., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 545–550.

Добавлено: 19 ноября 2025 г.

Ultra Fast Warm Start Solution for Graph Recommendations

Юсупов В. А., Рахуба М. В., Фролов Е. П., , in: CIKM '25: Proceedings of the 34rd ACM International Conference on Information and Knowledge Management.: ACM, 2025. Ch. 1 P. 5469–5473.

В этой работе мы представляем быстрый и эффективный линейный подход к обновлению рекомендаций в масштабируемой графовой рекомендательной системе UltraGCN. Решение этой задачи чрезвычайно важно для поддержания актуальности рекомендаций в условиях большого объема новых данных и меняющихся предпочтений пользователей. Чтобы решить эту проблему, мы адаптируем простой, но эффективный подход к низкоранговой аппроксимации в графовой модели. Наш ...

Добавлено: 3 октября 2025 г.

Ti-DC-GNN: Incorporating Time-Interval Dual Graphs for Recommender Systems

Nikita Severin, Савченко А. В., Киселёв Д. А. и др., , in: RecSys '23: Proceedings of the 17th ACM Conference on Recommender Systems.: Association for Computing Machinery (ACM), 2023.

Добавлено: 22 мая 2025 г.

From Variability to Stability: Advancing RecSys Benchmarking Practices

Shevchenko V., Belousov N., Васильев А. В. и др., , in: KDD '24: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.: Association for Computing Machinery (ACM), 2024. P. 5701–5712.

Добавлено: 24 ноября 2024 г.

Threshold Functions and Operations in the Theory of Evidence

Лепский А. Е., , in: Belief Functions: Theory and Applications: 8th International Conference, BELIEF 2024, Belfast, UK, September 2–4, 2024, ProceedingsVol. 14909: Lecture Notes in Computer Science.: Cham: Springer, 2024. Ch. 23 P. 216–224.

The article introduces and discusses threshold belief and plausibility functions. When forming such functions, only focal elements that are “significant” for a given set are taken into account. The significance of focal elements is determined using a similarity measure and a threshold. Threshold functionals of uncertainty, external and internal conflicts, threshold rules of combination are ...

Добавлено: 14 сентября 2024 г.

Aggregation and Ranking on an Ordinal Scale Using Threshold Evidential Combination Rules

Лепский А. Е., Procedia Computer Science 2024 Vol. 242 P. 444–451

A new method of aggregation and ranking on an ordinal scale is proposed based on the method of evidential ranking previously developed by the author, but using the tools of threshold aggregation of bodies of evidence. This method has better robustness and stability compared to the threshold-free method. The method allows you to take into ...

Добавлено: 14 сентября 2024 г.

Self-Attentive Sequential Recommendations with Hyperbolic Representations

Evgeny Frolov, Tatyana Matveeva, Мирвахабова Л. и др., , in: RecSys '24: Proceedings of the 18th ACM Conference on Recommender Systems.: Association for Computing Machinery (ACM), 2024. P. 981–986.

Добавлено: 10 сентября 2024 г.

GPT3RecBot: a universal chatbot recommender of movies, books and music in Telegram

Lashinin O., Быков К. В., Ананьева М. Е. и др., , in: Proceedings of the Fifth Knowledge-aware and Conversational Recommender Systems Workshop co-located with 17th ACM Conference on Recommender Systems (RecSys 2023)Vol. 3560.: CEUR Workshop Proceedings, 2023. P. 35–43.

Добавлено: 2 декабря 2023 г.

Tensor methods and recommender systems

Фролов Е. П., Oseledets I., Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 2017 Vol. 7 No. 3

Добавлено: 16 ноября 2023 г.

Tensor-Based Sequential Learning via Hankel Matrix Representation for Next Item Recommendations

Фролов Е. П., Oseledets I., IEEE Access 2023 Vol. 11 P. 6357–6371

Добавлено: 16 ноября 2023 г.

Company name matching using job market data enrichment

Andrei A. Ternikov, IT Professional 2024 Vol. 26 No. 2 P. 76–82

Добавлено: 26 октября 2023 г.