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
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.