Semi-supervised Tag Extraction in a Web Recommender System

Leksin V.; S. I. Nikolenko

?

Semi-supervised Tag Extraction in a Web Recommender System

P. 206–212.

An important characteristic feature of recommender systems for web pages is the abundance of textual information in and about the items being recommended (web pages). To improve recommendations and enhance user experience, we propose to use automatic tag (keyword) extraction for web pages entering the recommender system. We present a novel tag extraction algorithm that employs semi-supervised classification based on a dataset consisting of pre-tagged documents and (for the most part) partially tagged documents whose tags are automatically mined from the content. We also compare several classification algorithms for tag extraction in this context.

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: рекомендательные системы tagging тэгирование Recommender Systems

В книге

Proceedings of the 6th International Conference on Similarity Search and Applications (SISAP 2013), Lecture Notes in Computer Science

Vol. 8199. , Berlin, Heidelberg: Springer, 2013.

Bradley-Terry Rankings for Recommender Systems Across Dataset Taxonomies

Гришина Е. Р., Stepan Kuznetsov, Цыганов А. Ш. и др., , in: KDD '26: Proceedings of the 32th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.: Association for Computing Machinery (ACM), 2026. P. 1310–1321.

Добавлено: 7 августа 2026 г.

Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation

Severin N., Kartushov D., Urzhumov V. и др., , in: Advances in Information Retrieval: 48th European Conference on Information Retrieval, ECIR 2026, Delft, The Netherlands, March 29 – April 2, 2026, Proceedings, Part II. (LNCS, volume 16484).: Cham: Springer Publishing Company, 2026. P. 508–517.

Добавлено: 18 июня 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.

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.

Scaling Recommender Transformers to One Billion Parameters

Хрыльченко К. Я., Matveev A., Makeev S. и др., , in: KDD '26: Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1Vol. 1.: Association for Computing Machinery (ACM), 2026. P. 2255–2265.

Добавлено: 25 ноября 2025 г.

KDD '26: Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1

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, Mirvakhabova L. 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.