Awesome LLM4RS Papers

Impresionantes artículos de LLM4RS

Esta es una lista en papel sobre el sistema de recomendación mejorado con modelos de lenguaje grande. También contiene algunas obras relacionadas.

Palabras clave : sistema de recomendación, modelos de lenguaje grandes.

¡Bienvenido a abrir un problema o realizar una solicitud de extracción!

Encuesta

• Exploración del impacto de los modelos de lenguaje grandes en los sistemas de recomendación: una revisión exhaustiva, arxiv 2024, [artículo].
• Una encuesta sobre modelos de lenguajes grandes para recomendación, arxiv 2023, [artículo].
• ¿Cómo pueden los sistemas de recomendación beneficiarse de los modelos de lenguaje grandes?: una encuesta, arxiv 2023, [artículo].
• Sistemas de recomendación en la era de los modelos de lenguajes grandes (LLM), arxiv 2023, [artículo].

Lista de papel

• Chat-REC: Hacia un sistema de recomendación aumentado de LLM interactivo y explicable, arxiv 2023, [artículo].
• GPT4Rec: un marco generativo para la recomendación personalizada y la interpretación de los intereses del usuario, arxiv 2023, [artículo].
• TALLRec: Un marco de ajuste eficaz y eficiente para alinear el modelo de lenguaje grande con la recomendación, documento breve de RecSys 2023, [artículo], [código].
• Sistemas de recomendación que preservan la privacidad con generación de consultas sintéticas utilizando modelos de lenguaje grande diferencialmente privados, arxiv 2023, [artículo].
• Recomendación como seguimiento de instrucciones: un enfoque de recomendación potenciado por un modelo de lenguaje grande, arxiv 2023, [artículo].
• Un primer vistazo a la recomendación de noticias generativas impulsada por LLM, arxiv 2023, [artículo].
• Chispas de recomendación general artificial (AGR): primeros experimentos con ChatGPT, arxiv 2023, [artículo].
• Recomendación Zero-Shot del siguiente elemento utilizando grandes modelos de lenguaje previamente entrenados, arxiv 2023, [artículo], [código].
• ¿Los LLM entienden las preferencias del usuario? Evaluación de LLM sobre predicción de calificaciones de usuarios, arxiv 2023, [artículo].
• Los modelos de lenguaje grandes son clasificadores de tiro cero para sistemas de recomendación, arxiv 2023, [artículo], [código].
• Aprovechamiento de modelos de lenguaje grandes en sistemas de recomendación conversacional, arxiv 2023, [artículo].
• Repensar la evaluación de la recomendación conversacional en la era de los grandes modelos lingüísticos, arxiv 2023, [artículo], [código].
• PALR: LLM con reconocimiento de personalización para recomendación, arxiv 2023, [artículo].
• Ajuste rápido de modelos de lenguaje grandes sobre extracción de aspectos personalizados para recomendaciones, arxiv 2023, [artículo].
• Un estudio preliminar de ChatGPT sobre recomendación de noticias: personalización, equidad del proveedor, noticias falsas, arxiv 2023, [artículo].
• Modelo de lenguaje grande para recomendación generativa, arxiv 2023, [artículo].
• GenRec: modelo de lenguaje grande para recomendación generativa, arxiv 2023, [artículo].
• Recomendaciones laborales generativas con modelo de lenguaje grande, arxiv 2023, [artículo].
• Exploración del modelo de lenguaje grande para la comprensión de datos gráficos en recomendaciones laborales en línea, arxiv 2023, [artículo].
• LLM-Rec: Recomendación personalizada mediante la activación de modelos de lenguaje grandes, arxiv 2023, [artículo].
• Un paradigma básico de dos pasos para modelos de lenguaje grandes en sistemas de recomendación, arxiv 2023, [artículo].
• LLMRec: Evaluación comparativa de modelos de lenguajes grandes en tareas de recomendación, arxiv 2023, [artículo], [código].
• Recomendaciones Zero-Shot con modelos de lenguaje grande previamente entrenados para empuje multimodal, arxiv 2023, [artículo].
• Destilación rápida para una recomendación eficiente basada en LLM, CIKM 2023, [artículo], [código].
• Modelos de lenguaje grandes como recomendadores conversacionales de disparo cero, CIKM 2023, [artículo], [código].
• Aprovechamiento de modelos de lenguajes grandes (LLM) para potenciar la condensación de conjuntos de datos sin capacitación para recomendaciones basadas en contenido, arxiv 2023, [artículo].
• Recomendaciones Zero-Shot con modelos de lenguaje grande previamente entrenados para empuje multimodal, arxiv 2023, [artículo].
• LlamaRec: Recomendación en dos etapas utilizando modelos de lenguaje grandes para la clasificación, arxiv 2023, [artículo], [código].
• Los modelos de lenguaje grandes son recomendadores competitivos casi de arranque en frío para preferencias basadas en idiomas y elementos, Recsys 2023, [artículo].
• CoLLM: Integración de incrustaciones colaborativas en modelos de lenguaje grandes para recomendación, arxiv 2023, [artículo].
• Recomendaciones basadas en narrativa aumentada de modelo de lenguaje grande, artículo breve de RecSys 2023, [artículo].
• Aprovechamiento de modelos de lenguaje grandes para recomendación secuencial, RecSys 2023 LBR, [artículo], [código].
• ONCE: Impulsar la recomendación basada en contenido con modelos de lenguaje grande de código abierto y cerrado, WSDM 2024, [artículo], [código].
• LLaRA: Alineación de modelos de lenguaje grandes con recomendadores secuenciales, arxiv 2023, [artículo], [código].
• LLM4Vis: Recomendación de visualización explicable mediante ChatGPT, arxiv 2023, [artículo], [código].
• E4SRec: una solución elegante, eficaz, eficiente y extensible de modelos de lenguaje grandes para recomendación secuencial, arxiv 2023, [artículo], [código].
• Adaptación de modelos de lenguaje grandes mediante la integración de semántica colaborativa para la recomendación, arxiv 2023, [artículo], [código].
• Aprendizaje de representación con modelos de lenguaje grandes para recomendación, WWW 2024, [artículo], [código].
• Ataque sigiloso a una recomendación basada en modelos de lenguaje grande, arxiv 2024, [artículo].
• ReLLa: Modelos de lenguaje grande mejorados con recuperación para la comprensión del comportamiento secuencial durante toda la vida en recomendación, arxiv 2024, [artículo] [código]
• Wukong: Hacia una ley de escala para recomendaciones a gran escala, arxiv 2024, [artículo]
• Un recomendador secuencial mejorado de modelo de lenguaje grande para recomendación conjunta de videos y comentarios, arxiv 2024, [artículo] [código]
• Aprovechamiento de modelos de lenguaje grandes para recomendación secuencial rica en texto, arxiv 2024, [artículo]
• Exploración del modelo de lenguaje grande para la comprensión de datos gráficos en recomendaciones laborales en línea, arxiv 2024, [artículo] [código]
• LLMRG: Mejora de las recomendaciones mediante gráficos de razonamiento de modelos de lenguaje grandes, arxiv 2024, [artículo]
• Mejora de la recomendación laboral a través de redes generativas adversarias basadas en LLM, AAAI 2024, [artículo].
• Aprendizaje de hipergráficos de vista múltiple guiado por LLM para una recomendación explicable centrada en el ser humano, arxiv 2024, [artículo].
• Recomendación secuencial con relaciones latentes basada en un modelo de lenguaje grande, SIGIR 2024, [artículo], [código].
• Recomendación basada en el conocimiento mejorada de sentido común con un modelo de lenguaje grande, arxiv 2024, [artículo] [código]
• Re2LLM: Modelo de lenguaje grande de refuerzo reflexivo para recomendación basada en sesiones, arxiv 2024, [artículo]
• Mejora de la recomendación basada en contenido mediante un modelo de lenguaje grande, arxiv 2024, [artículo]
• Alineación de modelos de lenguaje grandes con conocimiento de recomendaciones, arxiv 2024, [artículo]
• Dónde avanzar a continuación: generalización inmediata de los LLM para la próxima recomendación de PDI, arxiv 2024, [artículo]
• DRE: Generación de explicaciones de recomendaciones mediante la alineación de modelos de lenguaje grandes a nivel de datos, arxiv 2024, [artículo].
• Alineación de comportamiento: una nueva perspectiva para evaluar sistemas de recomendación conversacional basados ​​en LLM, SIGIR 2024, [artículo], [código].
• Desaprendizaje exacto y eficiente para recomendaciones basadas en modelos de lenguajes grandes, arxiv 2024, [artículo].
• Modelos de lenguaje grandes para recomendaciones de sesiones basadas en intenciones, SIGIR 24, [artículo].
• Sistemas de recomendación basados ​​en el aprendizaje por refuerzo con modelos de lenguaje amplios para el modelado de acciones y recompensas estatales, SIGIR 24, [artículo].
• Mejora de la recomendación a largo plazo con planificación de modelos de lenguaje grande de aprendizaje de dos niveles, SIGIR 24, [artículo].
• LoRec: Modelo de lenguaje grande para una recomendación secuencial sólida contra ataques de envenenamiento, SIGIR 24, [artículo].
• Ajuste eficiente de datos para la recomendación basada en LLM, SIGIR 24, [artículo].
• Hacia la alineación de LLM-RecSys con el aprendizaje de identificación textual, SIGIR 24, [artículo].
• Rompiendo la barrera de la longitud: predicción de CTR mejorada por LLM en comportamientos de usuarios de textos largos, SIGIR 24, [artículo].
• RecGPT: indicaciones generativas personalizadas para recomendación secuencial a través del paradigma de entrenamiento ChatGPT, arxiv 2024, [artículo]
• Adaptación eficiente y responsable de modelos de lenguaje grandes para recomendaciones robustas Top-k, arxiv 2024, [artículo].
• Modelos de lenguaje grandes para la recomendación del próximo punto de interés, arxiv 2024, [artículo].
• La destilación importa: empoderar a los recomendadores secuenciales para que coincidan con el rendimiento del modelo de lenguaje grande, arxiv 2024, [artículo].
• Modelos de lenguaje grandes como recomendadores de películas conversacionales: un estudio de usuarios, arxiv 2024, [artículo].
• CALRec: Alineación contrastiva de LLM generativos para recomendación secuencial, arxiv 2024, [artículo].
• Ajuste fino de una recomendación explicable basada en modelos de lenguaje grande con recompensa de calidad explicable, AAAI 2024, [artículo].
• Rompiendo la barrera: utilización de modelos de lenguaje grandes para sistemas de recomendación industrial a través de un gráfico de conocimiento inferencial, arxiv 2024, [artículo].
• RDRec: Destilación de fundamentos para la recomendación basada en LLM, ACL 2024 Main (breve), [artículo], [código].
• Personalización de indicaciones reforzada para recomendación con modelos de lenguaje grandes, arxiv 2024, [artículo], [código]
• Comprensión semántica e imputación de datos utilizando un modelo de lenguaje grande para acelerar el sistema de recomendación, arxiv 2024, [artículo]
• Una encuesta sistemática y una revisión crítica sobre la evaluación de modelos de lenguaje grandes: desafíos, limitaciones y recomendaciones, arxiv 2024, [artículo]
• LANE: Alineación lógica de modelos de lenguajes grandes sin ajuste y sistemas de recomendación en línea para la generación de razones explicables, arxiv 2024, [artículo]
• Optimización de la novedad de las recomendaciones Top-k utilizando modelos de lenguaje grandes y aprendizaje por refuerzo, arxiv 2024, [artículo]
• "Tienes que ser médico, Lin": una investigación del sesgo basado en el nombre de los modelos lingüísticos grandes en las recomendaciones laborales, arxiv 2024, [artículo]
• Clasificación multicapa con modelos de lenguaje grandes para la recomendación de fuentes de noticias, arxiv 2024, [artículo]
• Modelos de lenguaje grandes como evaluadores de explicaciones de recomendaciones, arxiv 2024, [artículo]
• Codificación similar a un texto de información colaborativa en modelos de lenguaje grandes para recomendación, arxiv 2024, [artículo]
• Exploración de la integración de la recuperación de usuarios hacia modelos de lenguaje grandes para la recomendación secuencial entre dominios, arxiv 2024, [artículo]
• XRec: modelos de lenguaje grandes para una recomendación explicable, arxiv 2024, [[artículo]](XRec: modelos de lenguaje grande para una recomendación explicable), [código]
• Recomendación secuencial mejorada de modelos de lenguaje grandes para usuarios y elementos de cola larga, arxiv 2024, [artículo], [código]
• Modelos de lenguaje grande aumentados con recuperación basada en palabras clave para recomendaciones de usuario de arranque en frío, arxiv 2024, [artículo]
• Recomendación de noticias con descripción de categorías mediante un modelo de lenguaje grande, arxiv 2024, [artículo]
• Estructura de aprendizaje y representación consciente del conocimiento con modelos de lenguaje grandes para la recomendación de conceptos, arxiv 2024, [artículo]
• Reindexar-luego-adaptarse: mejorar los modelos de lenguaje grandes para la recomendación conversacional, arxiv 2024, [artículo]
• EmbSum: Aprovechamiento de las capacidades de resumen de modelos de lenguaje grandes para recomendaciones basadas en contenido, arxiv 2024, [artículo]
• DynLLM: Cuando los modelos de lenguaje grandes cumplen con la recomendación de gráficos dinámicos, arxiv 2024, [artículo]
• Recomendación de temas conversacionales en asesoramiento y psicoterapia con transformadores de decisiones y modelos de lenguaje amplio, arxiv 2024, [artículo]
• OpenP5: una plataforma de código abierto para desarrollar, capacitar y evaluar sistemas de recomendación basados ​​en LLM, Sigir 2024, [artículo], [código]
• LARR: Recomendación de escenas en tiempo real asistida por un modelo de lenguaje grande con comprensión semántica, [artículo]
• Recomendación basada en modelos de lenguaje grande, arxiv 2024, [artículo]
• CoRA: Percepción de información colaborativa mediante ponderaciones de recomendación del modelo de lenguaje grande, [artículo]
• Infusión de conocimiento eficiente e implementable para recomendaciones de mundo abierto a través de modelos de lenguaje grandes, arxiv 2024, [artículo]
• Aprovechamiento de modelos multimodales de lenguaje grande para recomendación secuencial multimodal, arxiv 2024, [artículo]
• Fusión colaborativa intermodal con modelo de lenguaje grande para recomendación, arxiv 2024, [artículo]
• LLM4DSR: Aprovechamiento del modelo de lenguaje grande para la recomendación secuencial de eliminación de ruido, arxiv 2024, [artículo]
• Razonamiento de preferencias personalizado basado en revisiones con modelos de lenguaje grandes para recomendación, arxiv 2024, [artículo]
• Adaptación personalizada de bajo rango de por vida de modelos de lenguaje grandes para recomendación, arxiv 2024, [artículo]
• Predicción de QoS asistida por modelo de lenguaje grande para recomendación de servicios, arxiv 2024, [artículo]
• Aprenda vendiendo: equipar modelos de lenguaje grandes con conocimiento del producto para recomendaciones basadas en contexto, arxiv 2024, [artículo]
• Prometheus Chatbot: Recomendación de modelo de lenguaje grande colaborativo de gráfico de conocimiento para componentes de computadora, arxiv 2024, [artículo]
• Personalización de indicaciones reforzada para recomendación con modelos de lenguaje grandes, arxiv 2024, [artículo]
• LARR: Recomendación de escenas en tiempo real asistida por un modelo de lenguaje grande con comprensión semántica, [artículo]
• Recomendación basada en modelos de lenguaje grande, arxiv 2024, [artículo]
• CoRA: Percepción de información colaborativa mediante ponderaciones de recomendación del modelo de lenguaje grande, [artículo]
• Infusión de conocimiento eficiente e implementable para recomendaciones de mundo abierto a través de modelos de lenguaje grandes, arxiv 2024, [artículo]
• Aprovechamiento de modelos multimodales de lenguaje grande para recomendación secuencial multimodal, arxiv 2024, [artículo]
• Fusión colaborativa intermodal con modelo de lenguaje grande para recomendación, arxiv 2024, [artículo]
• LLM4DSR: Aprovechamiento del modelo de lenguaje grande para la recomendación secuencial de eliminación de ruido, arxiv 2024, [artículo]
• Razonamiento de preferencias personalizado basado en revisiones con modelos de lenguaje grandes para recomendación, arxiv 2024, [artículo]
• Adaptación personalizada de bajo rango de por vida de modelos de lenguaje grandes para recomendación, arxiv 2024, [artículo]
• Predicción de QoS asistida por modelo de lenguaje grande para recomendación de servicios, arxiv 2024, [artículo]
• Aprenda vendiendo: equipar modelos de lenguaje grandes con conocimiento del producto para recomendaciones basadas en contexto, arxiv 2024, [artículo]
• Prometheus Chatbot: Recomendación de modelo de lenguaje grande colaborativo de gráfico de conocimiento para componentes de computadora, arxiv 2024, [artículo]
• Personalización de indicaciones reforzada para recomendación con modelos de lenguaje grandes, arxiv 2024, [artículo]
• Los modelos de lenguajes grandes cumplen con el filtrado colaborativo: un sistema de recomendación integral y eficiente basado en LLM, KDD 2024, [artículo].
• Modelo de lenguaje de elementos para recomendación conversacional, arxiv 2024, [artículo]
• A-LLMRec: Los modelos de lenguajes grandes cumplen con el filtrado colaborativo: un sistema de recomendación integral y eficiente basado en LLM, KDD 2024, [artículo], [código]
• HierLLM: modelo jerárquico de lenguaje grande para recomendación de preguntas, arxiv 2024, [artículo]
• Preferencias del usuario para modelos de lenguaje extenso versus explicaciones basadas en plantillas de recomendaciones de películas: un estudio piloto, arxiv 2024, [artículo]
• Modelo de lenguaje grande Identificación de muestras duras mejorada para recomendación de eliminación de ruido, [artículo]
• Semántica que preserva la recomendación de emoji con modelos de lenguaje grandes, arxiv 2024, [artículo]
• HLLM: Mejora de las recomendaciones secuenciales mediante modelos jerárquicos de lenguaje grande para el modelado de elementos y usuarios, arxiv 2024, [artículo]
• Mejora del rendimiento y la escalabilidad de los sistemas de recomendación a gran escala con atención de Flash irregular, arxiv 2024, [artículo]
• Un método de aprendizaje de representación basado en indicaciones para la recomendación con modelos de lenguaje grandes, arxiv 2024, [artículo]
• Generador de incrustación potenciado de modelo de lenguaje grande para recomendación secuencial, arxiv 2024, artículo, [código]
• Sesgos cognitivos en modelos lingüísticos grandes para la recomendación de noticias, arxiv 2024, [artículo]
• Inferencia eficiente para recomendación generativa basada en modelos de lenguaje grande, arxiv 2024, [artículo]

Agente4Rec

• Cuando el agente basado en modelos de lenguaje grande se encuentra con el análisis del comportamiento del usuario: un nuevo paradigma de simulación de usuario, arxiv 2023, [artículo].
• RecMind: Agente potenciado por modelo de lenguaje grande para recomendación, arxiv 2023, [artículo].
• Sobre agentes generativos en recomendación, arxiv 2023, [artículo], [código].
• AgentCF: Aprendizaje colaborativo con agentes de lenguaje autónomos para sistemas de recomendación, arxiv 2023, [artículo].
• Agente de IA recomendador: integración de modelos de lenguaje grandes para recomendaciones interactivas [enlace]
• Equilibrio de la percepción de la información con el Yin-Yang: modelo de neutralidad de la información basado en agentes para sistemas de recomendación, arxiv 2024, [artículo]
• Préstamo de alas de interacción para sistemas de recomendación con agentes conversacionales, NeurIPS 2023, [artículo].
• Un marco conceptual para la búsqueda y recomendación conversacional: conceptualización de las interacciones agente-humano durante el proceso de búsqueda conversacional, arxiv 2024, [artículo].

Aumento del conocimiento

• Mejora de los sistemas de recomendación con gráficos de razonamiento de modelos de lenguaje grandes, arxiv 2023, [artículo].
• Hacia una recomendación de mundo abierto con aumento del conocimiento a partir de modelos de lenguaje grandes, arxiv 2023, [artículo], [código].
• LLMRec: modelos de lenguaje grandes con aumento de gráficos para recomendación, WSDM 2024, [artículo], [código], [blog en chino].
• Adaptación del conocimiento del modelo de lenguaje grande a la recomendación para una aplicación industrial práctica, arxiv 2024, [artículo].

Perspectiva

• Modelos de lenguaje como sistemas de recomendación: evaluaciones y limitaciones, Taller NeurIPS 2021, [artículo].
• Recomendación generativa: hacia el paradigma del recomendador de próxima generación, arxiv 2023, [artículo].
• ¿A dónde ir a continuación para los sistemas de recomendación? Modelos de recomendación basados ​​en ID versus modalidad revisados, SIGIR 2023, [artículo], [código]
• Exploración de los límites superiores del filtrado colaborativo basado en texto utilizando modelos de lenguaje grandes: descubrimientos e ideas, arxiv 2023, [artículo].
• Exploración del aprendizaje por transferencia basado en adaptadores para sistemas de recomendación: estudios empíricos y conocimientos prácticos, arxiv 2023, [artículo].
• ¿ChatGPT es un buen recomendador? Un estudio preliminar, arxiv 2023, [artículo].
• Evaluación de ChatGPT como sistema de recomendación: un enfoque riguroso, arxiv 2023, [artículo].
• Los modelos de lenguaje grandes son recomendadores competitivos casi de arranque en frío para preferencias basadas en idiomas y elementos, documento breve de RecSys 2023, [artículo].
• ¿ChatGPT es justo para recomendar? Evaluación de la equidad en la recomendación de modelos de lenguaje grande, artículo breve de RecSys 2023, [artículo], [código].
• Descubriendo las capacidades de ChatGPT en sistemas de recomendación, RecSys 2023 LBR, [artículo], [código].

Aprendizaje de representación universal

Repositorio de Github: "Representaciones_de_usuario_universales para recomendación" [enlace] .

• Transferencia eficiente de parámetros a partir de comportamientos secuenciales para modelado y recomendación de usuarios, SIGIR 2020, [artículo], [código]
• Una persona, un modelo, un mundo: aprender la representación continua del usuario sin olvidar, SIGIR 2021, [artículo], [código]
• Entrenamiento previo del comportamiento del usuario independiente de la identificación para la recomendación secuencial, CCIR 2022, [artículo].
• Hacia el aprendizaje de representación de secuencias universales para sistemas de recomendación, KDD 2022, [artículo], [código].
• TransRec: aprendizaje de recomendaciones transferibles a partir de comentarios de combinación de modalidades, arxiv 2022, [artículo].
• Aprendizaje de la representación de elementos cuantificados por vectores para recomendadores secuenciales transferibles, WWW 2023, [artículo], [código].
• Representación de usuarios One4all para sistemas de recomendación en comercio electrónico, arvix 2021, [artículo].
• El texto es todo lo que necesita: aprendizaje de representaciones lingüísticas para recomendación secuencial, KDD 2023, [artículo].
• Modelo colaborativo de lenguaje grande para sistemas de recomendación, arvix 2023, [artículo], [código].

Recuperación generativa

• Recomendación sobre una red generativa convolucional simple para el siguiente elemento, WSDM 2018/08, [artículo] [código]
• Los datos futuros ayudan a la capacitación: modelado de contextos futuros para recomendaciones basadas en sesiones, WWW 2020/04, [artículo] [código]
• Sistemas de recomendación con recuperación generativa, arvix 2023, [artículo].
• Recomendación secuencial generativa con GPTRec, taller SIGIR 2023, [artículo].
• Recomendación generativa mejorada a través de la integración de contenido y colaboración, arvix 2024, [artículo].

Modelo de lenguaje previo al entrenamiento y aprendizaje rápido

Documento de encuesta: Capacitación previa, indicación y recomendación: una encuesta completa sobre adaptaciones de paradigmas de modelado del lenguaje en sistemas de recomendación, arxiv 2023, [artículo].

• Recomendación como procesamiento del lenguaje (RLP): un paradigma unificado de preentrenamiento, indicación personalizada y predicción (P5), arvix 2022, [artículo], [código].
• Repensar el aprendizaje por refuerzo para la recomendación: una perspectiva rápida, SIGIR 2022, [artículo].
• M6-Rec: Los modelos de lenguaje generativo previamente entrenados son sistemas de recomendación abiertos, arvix 2022, [artículo].
• Aviso personalizado para recomendación secuencial, arvix 2022, [artículo].
• Ajuste de indicaciones de conocimiento para recomendación secuencial, ACM MM 2023, [artículo], [código].

Conjunto de datos

• Amazon-M2: un conjunto de datos de sesiones de compras multilingües y locales para recomendación y generación de texto, arvix 2023, [artículo], [KDD Cup 2023].
• PixelRec: un conjunto de datos de imágenes para sistemas de recomendación de evaluación comparativa con píxeles sin procesar, arvix 2023, [artículo], [enlace].
• NineRec: un conjunto de conjuntos de datos de referencia para evaluar recomendaciones transferibles, arvix 2023, [artículo], [enlace].
• Un conjunto de datos de recomendación de microvídeo basado en contenido a escala, arvix 2023, [artículo], [enlace].
• EEG-SVRec: un conjunto de datos de EEG con etiquetas de participación afectiva multidimensional del usuario en una recomendación de vídeo breve, arxiv, 2024[artículo][enlace]
• MealRec: un conjunto de datos de recomendación de comidas con afiliación a cursos de comidas para personalización y salud, arxiv 2024, [artículo].
• MIND Your Language: un conjunto de datos multilingüe para la recomendación de noticias en varios idiomas, SIGIR 2024, [artículo], [enlace].