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

Lashinin O.; K. Bykov; M. Ananyeva; Kolesnikov S.

Публикации

?

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

P. 35–43.

Lashinin O., Быков К. В., Ананьева М. Е., Kolesnikov S.

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: Recommender Systems LLM User study

В книге

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.

Proceedings of the 4th Workshop on NLP for Music and Audio (NLP4MusA 2026)

Бузаев Ф. А., Mullakhmetov R., Bogachev R. и др., Association for Computational Linguistics, 2026.

Добавлено: 22 июня 2026 г.

B3Emo: Quantifying Affect as a Double-Edged Sword in Strategic LLM Interactions

Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144

Добавлено: 16 июня 2026 г.

Анализ культурных референций в творчестве А. Вознесенского: цифровое исследование имен персоналий

Тюрякова-Матвеева Д. В., Цифровые гуманитарные исследования 2026 № 1 С. 4–26

Статья исследует культурные референции в творчестве Андрея Вознесенского путем анализа упоминаемых им персоналий. Обработано 1678 произведений, включая поэзию, прозу и ранние неопубликованные стихотворения. Методы NER, основанные на инструментах Natasha, spaCy и LLM Grok, позволили изучить частоту упоминания известных лиц и их связь с жанром произведения. Определены ключевые авторы Вознесенского (Пастернак, Пушкин, Маяковский), выявлены особенности жанра ...

Добавлено: 31 мая 2026 г.

Optimizing Computational Infrastructure for Large Language Models in Bioinformatics: A Case Study

Бекназаров Н. С., , in: Parallel Computational Technologies, 19th International Conference, PCT 2025, Moscow, Russia, April 8–10, 2025, Revised Selected Papers. (CCIS, volume 2891)Vol. 2891.: Springer, 2026. P. 3–16.

Добавлено: 19 мая 2026 г.

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.

When Punctuation Matters: A Large-Scale Comparison of Prompt Robustness Methods for LLMs

Seleznyov M., Чайчук М. В., Ershov G. и др., , in: Findings of the Association for Computational Linguistics: EMNLP 2025.: Association for Computational Linguistics, 2025. P. 20370–20385.

Добавлено: 3 февраля 2026 г.

Measuring Chemical LLM robustness to molecular representations: a SMILES variation-based framework

Ganeeva V., Khrabrov K., Kadurin A. и др., Journal of Cheminformatics 2025 No. 17 Article 164

Добавлено: 3 февраля 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.

Aspect-Based Sentiment Analysis Using Large Language Models on Museum Visitor Reviews

Anastasia V. Kolmogorova, Elizaveta R. Kulikova, Vladislav V. Lobanov, Supercomputing Frontiers and Innovations 2025 Vol. 12 No. 3 P. 121–140

Добавлено: 30 ноября 2025 г.

Scaling Recommender Transformers to One Billion Parameters

Хрыльченко К. Я., , in: 32nd SIGKDD Conference on Knowledge Discovery and Data MiningVol. 1.: Association for Computing Machinery (ACM), 2026. P. 1–10.

Добавлено: 25 ноября 2025 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.

AutoJudge: Judge Decoding Without Manual Annotation

Roman Garipov, Fedor Velikonivtsev, Ivan Ermakov и др., , in: 39th Conference on Neural Information Processing Systems (NeurIPS 2025).: NeurIPS, 2025. P. 94605–94642.

Добавлено: 6 ноября 2025 г.

Strategizing with AI: Insights from a Beauty Contest Experiment

Iuliia Alekseenko, Дагаев Д. А., Sofiia Paklina и др., Journal of Economic Behavior and Organization 2025 Vol. 240 Article 107330

Добавлено: 6 ноября 2025 г.

LLM-Microscope: Uncovering the Hidden Role of Punctuation in Context Memory of Transformers

Anton R., Mikhalchuk M., Rahmatullaev T. и др., , in: Findings of the Association for Computational Linguistics: NAACL 2025.: Association for Computational Linguistics, 2025. P. 7757–7764.

Мы предлагаем методы количественной оценки того, как большие языковые модели (LLM) кодируют и хранят контекстную информацию, и показываем, что токены, обычно считающиеся второстепенными (например, детерминативы и знаки препинания), на деле несут неожиданно высокий объём контекста. В частности, удаление таких токенов — особенно стоп-слов, артиклей и запятых — стабильно ухудшает качество на MMLU и BABILong-4k, даже ...

Добавлено: 6 ноября 2025 г.