来源：SIGIR‘25 https://arxiv.org/abs/2505.13974 代码：https://github.com/HyeYoung1218/DIFF 问题的引出 Side-information Integrated Sequential Recommendation(SISR): 对于稀疏交互和冷启动序列是有效的，其分为三类： early ...

来源：SIGIR‘25 https://dl.acm.org/doi/pdf/10.1145/3726302.3730033 代码：https://github.com/GeWu-Lab/MGIPF 问题的引出 现有方法建模用户偏好通过拟合细粒度标签(如，点击行为)，但常常忽略了粗粒度的兴趣信息。 细粒度的信息可能携带不可避免的噪音； 在数据方面要求相当高，对于现有的方法能...

来源：SIGIR‘25 https://arxiv.org/abs/2504.04843 代码：https://github.com/KingGugu/TTA4SR 问题的引出 现有的数据增强方法在模型训练过程中生成数据，使用他们需要重新训练、改动结构或引入额外的可学习参数； 启发式方法(heurisitc): 引入更差质量的数据，有时甚至干扰模型表现； ...

来源：SIGIR‘25 https://dl.acm.org/doi/10.1145/3726302.3729888 问题的引出 现有模型难以捕捉用户动态兴趣，且现有模型预定义的固定兴趣数无法适应用户多样化的偏好； 传统判别式模型很难探索用户与未交互item之间的潜在可能性； 生成式模型用于推断这种可能性，但是存在拟合困难和后验坍塌等问题； 扩散模型，由于用户兴趣是动态...

来源：SIGIR‘25 https://dl.acm.org/doi/10.1145/3726302.3730036 代码：https://github.com/hermione314/IDEA 问题的引出 在真实世界情景，时间变化因素(例如，产品促销，季节变化)，会导致用户交互的分布漂移(distribution shifts); 当前的方法： dis...

CLIP(Contrastive Langugae Image Pre-training) 由两个模型组成，一个处理文本，一个处理图像 中心思想：给定图像及其标题的向量应该相似 给定一批图片-标题对，利用所有对，最大化对应图片标题对之间的相似性，同时最小化非对应图片标题对之间的相似性, 使用余弦相似度来衡量向量之间的相似性。 以人像为例，一个人...

Encoder 位置编码 函数示意图： word embedding 与对应位置函数值相加，得到位置编码 Self-Attention 计算Q, K, V时，对于不同token，权重相同 Residual Connection 能够快速的并行训练 Decoder self-attention部分同En...

来源：SIGIR’25 https://dl.acm.org/doi/10.1145/3726302.3730109 问题的引出 现有方法中，用户的偏好表示是确定性的 常规流程为：每个物品ID对应一个固定的embedding，再经过Transformer， 得到一个表示用户整体兴趣的向量。但由于输入的embedding是固定的，输出的兴趣向量也是固定的，没...

来源：SIGIR‘25 https://arxiv.org/abs/2508.05352 问题的引出 用户在不同的行为下，对不同的模态展示出不同的偏好； 用户可能更容易被图片吸引而点击；同时可能会更在意文本形容而收藏 难以有效的减轻用户行为中的隐形噪音； 意外的点击行为等 ...

来源：SIGIR‘25 https://arxiv.org/abs/2504.19218 代码：https://github.com/Hugo-Chinn/AlphaFuse 问题的引出 早期工作，给每个item分配一个独有的ID，学习ID embeddings => capture collaborative signals within the interaction...