發(fā)簡信
IP屬地：澳門
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(一四三)-[快手]一致性終身用戶行為建模方法TWIN標(biāo)題：《TWIN: TWo-stage Interest Network for Lifelong User Behavior Modeling...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(一四二)-[微軟&復(fù)旦]CTR預(yù)估中的對比學(xué)習(xí)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(tǒng)遇上深度學(xué)習(xí)(一四一)-[快手]移動端實(shí)時短視頻推薦今天給大家?guī)鞢IKM2022應(yīng)用研究方向最佳論文-來自于快手團(tuán)隊(duì)的《Real-time Short Video Recommendation ...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(一四零)-[美團(tuán)]基于“采樣”的超長行為序列建模方法SDIM今天給大家?guī)淼氖敲缊F(tuán)在CIKM2022上中稿的論文，重點(diǎn)關(guān)注于CTR預(yù)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(tǒng)遇上深度學(xué)習(xí)(一三九)-[阿里]商品屬性變化感知的分層注意力演化網(wǎng)絡(luò)CAEN今天給大家?guī)鞷ecsys2022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(tǒng)遇上深度學(xué)習(xí)(一三八)-[阿里]廣告點(diǎn)擊率預(yù)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(diǎn)擊率預(yù)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(tǒng)遇上深度學(xué)習(xí)(一三七)-[阿里]廣告精排和創(chuàng)意優(yōu)選聯(lián)合優(yōu)化今天分享的是阿里在SIGIR2022中稿的一篇短文，主要關(guān)注點(diǎn)在于對廣告推薦鏈路中精排階段和創(chuàng)意優(yōu)選階段的優(yōu)化，一起來看一下。 1、背景 廣告系...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(一三六)-[美團(tuán)]基于強(qiáng)化學(xué)習(xí)的信息流廣告分配方法CrossDQN今天給大家介紹的是我們團(tuán)隊(duì)今年發(fā)表在WWW2022上的論文CrossDQN，提出了一種基于強(qiáng)化學(xué)習(xí)的信息流廣告分配方法。這也是我個人在入職美團(tuán)之...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(一三五)-序列推薦中的特征粒度深度自注意力網(wǎng)絡(luò)從這篇開始，咱們陸續(xù)來介紹幾篇推薦系統(tǒng)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(jìn)行建模的論文，對現(xiàn)在的一些建模...