Learning to rank for personalized news recommendation

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.

Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations

Юсупов В. А., Рахуба М. В., Фролов Е. П., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. Ch. 1 P. 1217–1221.

Недавние исследования продемонстрировали потенциал гиперболической геометрии для получения сложных свойств из данных взаимодействий в рекомендательных системах. В этой работе мы представляем новую гиперболическую рекомендательную модель, которая использует геометрическую информацию для улучшения обучения представлений и повышения стабильности вычислений одновременно. Мы переформулирвали понятие гиперболических расстояний, чтобы раскрыть дополнительные возможности представления по сравнению с обычным евклидовым пространством и ...

Добавлено: 3 октября 2025 г.

MTS Kion Implicit Contextualised Sequential Dataset for Movie Recommendation

I. Safilo, D. Tikhonovich, Petrov A. и др., Doklady Mathematics 2023 Vol. 108 No. 2 P. S456–S464

Добавлено: 24 мая 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.

Влияние эффекта масштаба рекомендательных систем на конкуренцию в секторах цифровых платформ

Авдашева С. Б., Хомик О. С., Чесноков В. С. и др., Проблемы прогнозирования 2025 № 3 С. 135–145

За последние четверть века цифровые платформы получили широкое распространение и стали самыми дорогими компаниями мира. Традиционно рост цифровых платформ объясняется кроссплатформенными сетевыми эффектами, которые, в свою очередь, поддерживаются рекомендательными системами – набором алгоритмов, предлагающих пользователю одного типа наиболее подходящего пользователя другого типа. Зависимость точности предсказаний алгоритма от числа единиц наблюдений и от числа и типа наблюдений для каждой ...

Добавлено: 10 марта 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.

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.

“MTC Kion”: НАБОР ДАННЫХ ДЛЯ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ НЕЯВНОГО ОТКЛИКА, КОНТЕКСТНЫХ ПРИЗНАКОВ И АНАЛИЗА ПОСЛЕДОВАТЕЛЬНОСТЕЙ

И. Сафило, Тихонович Д., Петров А. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2023 Т. 514 № 2 С. 333–342

Мы представляем новый датасет для построения рекомендаций фильмов и сериалов, собранный на основе данных реальных пользователей платформы потокового вещания фильмов и сериалов МТС Kion. В отличие от других популярных датасетов для рекомендаций фильмов, таких как MovieLens или Netflix, наш датасет основан на неявных взаимодействиях, полученных во время просмотров контента пользователями, а не на явных оценках, ...

Добавлено: 13 февраля 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.