WWW / The Web Conference

PI2I: A Personalized Item-Based Collaborative Filtering Retrieval Framework

PI2I: 一种个性化基于物品的协同过滤检索框架

Shaoqing Wang, Yingcai Ma, Kairui Fu, Ziyang Wang, Dunxian Huang, Yuliang Yan, Jian Wu

AI总结 PI2I通过两阶段检索框架提升个性化推荐效果，优于传统CF方法并接近双塔模型，部署后提升淘宝交易率1.05%。

Comments Published on WWW'26: In Proceedings of the ACM Web Conference 2026

Improving the Accuracy of Community Detection on Signed Networks via Community Refinement and Contrastive Learning

通过社区细化和对比学习提高带符号网络社区检测的准确性

Hyunuk Shin, Hojin Kim, Chanyoung Lee, Yeon-Chang Lee, David Yoon Suk Kang

机构 * Chungbuk National University（Chungbuk国立大学） ； Ulsan National Institute of Science and Technology (UNIST)（乌山国立科学技术研究院） 纠错

AI总结 ReCon通过社区细化和对比学习提升带符号网络社区检测的准确性，有效增强社区检测的可靠性。

Journal ref ACM WWW 2026

Mining Citywide Dengue Spread Patterns in Singapore Through Hotspot Dynamics from Open Web Data

通过开放网络数据挖掘新加坡城市登革热传播模式的热点动态

Liping Huang, Gaoxi Xiao, Stefan Ma, Hechang Chen, Shisong Tang, Flora Salim

机构 * Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Nanyang Technological University（南洋理工大学） ； Jilin University（吉林大学） ； Tsinghua University（清华大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 通过开放网络数据挖掘新加坡登革热传播模式，利用热点动态预测和验证传播动态，提升公共卫生规划与城市韧性。

Comments 9 pages, 9 figures. It's accepted by WWW 2026 Web4Good Track. To make accessible earlier, authors would like to put it on arxiv before the conference

Journal ref WWW 2026, i.e., The Web Conference 2026

LLM Reasoning for Cold-Start Item Recommendation

基于大语言模型的冷启动物品推荐

Shijun Li, Yu Wang, Jin Wang, Ying Li, Joydeep Ghosh, Anne Cocos

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出利用大语言模型的推理能力，改进冷启动物品推荐，通过多种微调方法提升推荐性能，在Netflix数据上取得8%的提升。

Comments Published on Proceedings of the ACM on Web Conference 2026 (WWW 2026)

Simple-Sampling and Hard-Mixup with Prototypes to Rebalance Contrastive Learning for Text Classification

基于原型的简单采样与硬混合以平衡对比学习用于文本分类

Mengyu Li, Yonghao Liu, Fausto Giunchiglia, Ximing Li, Xiaoyue Feng, Renchu Guan

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） 纠错

AI总结 本文提出SharpReCL模型，通过原型向量和硬混合技术解决文本分类中的数据不平衡问题，提升对比学习效果。

Comments WWW26