Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract)

Identification

Clé publique
radar:r-bfb83ee7a10894137dbe20b881b559b7
Auteurs
Jiahao Wu · Wenqi Fan · Jingfan Chen · Shengcai Liu · Qijiong Liu · Rui He · Qing Li · Ke Tang
Année déclarée
2025
Langue déclarée
en
Type source
conference-paper
Première détection
2026-11-14T02:45:52.452452+00:00
Dernière observation des métadonnées
2026-11-14T02:45:52.452452+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Southern University of Science and Technology · Hong Kong Polytechnic University

Pays d’affiliation déclarés

CN · HK

Résumé documentaire — langue originale

Training recommendation models on large datasets is time- and resource-intensive. It is desired to construct concise yet informative datasets for efficient training. Recent advances in dataset condensation offer a promising solution by synthesizing compact datasets. However, existing methods face two key limitations when applied to recommendation: (1) they fail to generate discrete user-item interactions, and (2) they could not preserve users' potential preferences. To address the limitations, we propose a lightweight condensation framework tailored for recommendation (DConRec), focusing on condensing user-item historical interaction sets. Specifically, we model the discrete user-item interactions via a probabilistic approach and design a pre-augmentation module to incorporate the potential user preferences into the condensed datasets. While the substantial size of datasets leads to costly optimization, we propose a lightweight policy gradient estimation to accelerate the data synthesis. Experimental results on multiple real-world datasets demonstrate the effectiveness and efficiency of DConRec. Besides, we theoretically examine the provable convergence of DConRec.

Identifiants

OPENALEX
https://openalex.org/W4413361139
DOI
10.1109/icde65448.2025.00387

Repères documentaires

Famille documentaire
conference_paper
Types déclarés par les sources
conference-paper
Éditeurs
Institute of Electrical and Electronics Engineers

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Jiahao Wu; Wenqi Fan; Jingfan Chen; Shengcai Liu; Qijiong Liu; Rui He; Qing Li; Ke Tang. Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract). 2025. https://doi.org/10.1109/icde65448.2025.00387

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Jiahao Wu; Wenqi Fan; Jingfan Chen; Shengcai Liu; Qijiong Liu; Rui He; Qing Li; Ke Tang. (2025). Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract). https://doi.org/10.1109/icde65448.2025.00387
Chicago
Jiahao Wu; Wenqi Fan; Jingfan Chen; Shengcai Liu; Qijiong Liu; Rui He; Qing Li; Ke Tang. Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract). 2025. https://doi.org/10.1109/icde65448.2025.00387
ISO 690
Jiahao Wu; Wenqi Fan; Jingfan Chen; Shengcai Liu; Qijiong Liu; Rui He; Qing Li; Ke Tang. Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract). 2025. https://doi.org/10.1109/icde65448.2025.00387

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Condensing Pre-Augmented Recommendation Data via Lightweight Policy Gradient Estimation (Extended Abstract). Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-bfb83ee7a10894137dbe20b881b559b7/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.1109/icde65448.2025.00387

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature