發簡信
IP屬地：山東
-
推薦系統遇上深度學習(一四三)-[快手]一致性終身用戶行為建模方法TWIN標題：《TWIN: TWo-stage Interest Network for Lifelong User Behavior Modeling...
-
推薦系統遇上深度學習(一四二)-[微軟&復旦]CTR預估中的對比學習框架CL4CTR今天分享的論文為《CL4CTR: A Contrastive Learning Framework for CTR Prediction》，從特...
-
推薦系統遇上深度學習(一四一)-[快手]移動端實時短視頻推薦今天給大家帶來CIKM2022應用研究方向最佳論文-來自于快手團隊的《Real-time Short Video Recommendation ...
-
推薦系統遇上深度學習(一四零)-[美團]基于“采樣”的超長行為序列建模方法SDIM今天給大家帶來的是美團在CIKM2022上中稿的論文，重點關注于CTR預估中的超長用戶行為序列建模。與SIM、ETA這類基于“檢索”的建模范式不...
-
推薦系統遇上深度學習(一三九)-[阿里]商品屬性變化感知的分層注意力演化網絡CAEN今天給大家帶來Recsys2022上阿里中稿的一篇文章。商品的屬性如價格，評分等對于用戶在電商場景下的行為決策起著較為重要的作用，但過往的推薦系...
-
推薦系統遇上深度學習(一三八)-[阿里]廣告點擊率預估中的外部性建模今天給大家分享的是阿里在KDD2022上中稿的論文。過往的廣告點擊率預估主要考慮廣告本身的特征，而忽略了相鄰展示的其他商家對其的影響，因此本文的...
-
推薦系統遇上深度學習(一三七)-[阿里]廣告精排和創意優選聯合優化今天分享的是阿里在SIGIR2022中稿的一篇短文，主要關注點在于對廣告推薦鏈路中精排階段和創意優選階段的優化，一起來看一下。 1、背景 廣告系...
-
推薦系統遇上深度學習(一三六)-[美團]基于強化學習的信息流廣告分配方法CrossDQN今天給大家介紹的是我們團隊今年發表在WWW2022上的論文CrossDQN，提出了一種基于強化學習的信息流廣告分配方法。這也是我個人在入職美團之...
-
推薦系統遇上深度學習(一三五)-序列推薦中的特征粒度深度自注意力網絡從這篇開始，咱們陸續來介紹幾篇推薦系統中特征建模的文章。今天要介紹的是19年的一篇文章，算是比較早的一篇在特征上進行建模的論文，對現在的一些建模...