SIGIR

Inductive Subgraphs as Shortcuts: Causal Disentanglement for Heterophilic Graph Learning

诱导子图作为捷径：异质图学习中的因果解缠

Xiangmeng Wang, Qian Li, Haiyang Xia, Hao Miao, Qing Li, Guandong Xu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Curtin University（Curtin大学） ； University of Macau（澳门大学） ； The Education University of Hong Kong（香港教育大学） 纠错

AI总结 本文提出因果解缠图神经网络CD-GNN，通过阻断非因果路径提升异质图节点分类的鲁棒性和准确性。

Comments SIGIR 2026

Journal ref SIGIR 2026

Modular Representation Compression: Adapting LLMs for Efficient and Effective Recommendations

模块化表示压缩：适应LLM以实现高效且有效的推荐

Yunjia Xi, Menghui Zhu, Jianghao Lin, Bo Chen, Ruiming Tang, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） ； Antai College of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院） 纠错

AI总结 本文提出MARC方法，通过模块化调整和任务解耦，解决LLM表示压缩中的MRA问题，提升推荐系统效率与效果。

Comments SIGIR 2026

"You tell me": A Dataset of GPT-4-Based Behaviour Change Support Conversations

你告诉我：一个基于GPT-4的行为改变支持对话数据集

Selina Meyer, David Elsweiler

机构 * Regensburg University（莱茵河畔大学） 纠错

AI总结 本文提出一个基于GPT-4的对话数据集，用于研究用户行为对LLM生成文本的影响，包含用户互动、语言分析和反馈数据，为行为改变系统设计提供实证支持。

Comments Preprint as accepted at the 2024 ACM SIGIR Conference on Human Information Interaction and Retrieval (CHIIR '24)

Journal ref In Proceedings of the 2024 Conference on Human Information Interaction and Retrieval (CHIIR '24). Association for Computing Machinery, New York, NY, USA, 411-416