论文解读

论文题目：Towards Deeper, Lighter and Interpretable Cross Network for CTR Prediction $^{[1]}$ 来源：CIKM2023

论文题目：Contrastive Self-supervised Learning in Recommender Systems: A Survey 一、Motivation 为什么需要对比学习？ 使

论文题目：A Survey on Multimodal Large Language Models$^{[1]}$ Github：link 一、Motivation 多模态大规模语言模型相关技术在最近

论文题目：Intent Contrastive Learning with Cross Subsequences for Sequential Recommendation $^{[1]}$ 论文来源

论文题目：Meta--optimized Contrastive Learning for Sequential Recommendation$^{[1]}$ 论文来源：SIGIR2023 code:

论文题目：Contrastive Collaborative Filtering for Cold-Start Item Recommendation$^{[1]}$ 论文来源：WWW2023 git

论文题目：Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System$^{[1]}$ 论文来源：Ar

论文题目：FinalMLP: An Enhanced Two-Stream MLP Model for CTR Prediction$^{[1]}$ 论文来源：AAAI2023 code: githu

论文题目：Neighbor Contrastive Learning on Learnable Graph Augmentation$^{[1]}$ 论文来源：AAAI2023 code：github

# 论文题目：[AutoFAS Automatic Feature and Architecture Selection for Pre-Ranking System$^{[1]}$](https:/

论文题目：Auto-encoder for Recommendation 论文来源：课程设计 一、引言 随着互联网的快速发展，用户面临着信息过载 的问题。大量的信息使得用户难以做出有效的抉 择。推荐系

论文题目: Learning Recommenders for Implicit Feedback with Importance Resampling$$^{[1]}$$ 论文来源: WWW2022

论文题目：Dial2vec: Self-Guided Contrastive Learning of Unsupervised Dialogue Embeddings$$^{[1]}$$ 论文来源：E

论文题目：Interventional Contrastive Learning with Meta Semantic Regularizer$$^{[1]}$$ 论文来源：ICML2022 一、Mo

论文题目：C2-CRS: Coarse-to-Fine Contrastive Learning for Conversational Recommender System[1] 论文来源：WSDM2

一篇论文通常由以下几个部分构成：摘要（门面）、引言、相关工作、前沿知识、提出的模型或者方法、实验、结论。这里会介绍每一个部分应该如何构思以及完成写作。并以GCL4SR为例子进行分析 一、摘要 摘要是一

论文题目：MetAug: Contrastive Learning via Meta Feature Augmentation[1] 论文来源：ICML22 代码地址：MetAug 一、Motivat

论文题目：ELECRec: Training Sequential Recommenders as Discriminators[1] 论文来源：SIGIR2022 代码地址：ELECRec 一、Mo

论文题目：Learning Transferable User Representations with Sequential Behaviors via Contrastive Pre-traini

一、引言 随着网络的迅速发展，用户面临着信息过载的问题，大量的在线商品信息使得用户难以做出有效的决策。推荐系统的出现可以缓解该问题。推荐系统是一种向用户呈现个性化信息的过滤系统，不仅可以改善用户体验，