发简信
IP属地：北京
-
推荐系统遇上深度学习(一四三)-[快手]一致性终身用户行为建模方法TWIN标题：《TWIN: TWo-stage Interest Network for Lifelong User Behavior Modeling...
-
推荐系统遇上深度学习(一四二)-[微软&复旦]CTR预估中的对比学习框架CL4CTR今天分享的论文为《CL4CTR: A Contrastive Learning Framework for CTR Prediction》，从特...
-
推荐系统遇上深度学习(一四一)-[快手]移动端实时短视频推荐今天给大家带来CIKM2022应用研究方向最佳论文-来自于快手团队的《Real-time Short Video Recommendation ...
-
推荐系统遇上深度学习(一四零)-[美团]基于“采样”的超长行为序列建模方法SDIM今天给大家带来的是美团在CIKM2022上中稿的论文，重点关注于CTR预估中的超长用户行为序列建模。与SIM、ETA这类基于“检索”的建模范式不...
-
推荐系统遇上深度学习(一三九)-[阿里]商品属性变化感知的分层注意力演化网络CAEN今天给大家带来Recsys2022上阿里中稿的一篇文章。商品的属性如价格，评分等对于用户在电商场景下的行为决策起着较为重要的作用，但过往的推荐系...
-
推荐系统遇上深度学习(一三八)-[阿里]广告点击率预估中的外部性建模今天给大家分享的是阿里在KDD2022上中稿的论文。过往的广告点击率预估主要考虑广告本身的特征，而忽略了相邻展示的其他商家对其的影响，因此本文的...
-
推荐系统遇上深度学习(一三七)-[阿里]广告精排和创意优选联合优化今天分享的是阿里在SIGIR2022中稿的一篇短文，主要关注点在于对广告推荐链路中精排阶段和创意优选阶段的优化，一起来看一下。 1、背景 广告系...
-
推荐系统遇上深度学习(一三六)-[美团]基于强化学习的信息流广告分配方法CrossDQN今天给大家介绍的是我们团队今年发表在WWW2022上的论文CrossDQN，提出了一种基于强化学习的信息流广告分配方法。这也是我个人在入职美团之...
-
推荐系统遇上深度学习(一三五)-序列推荐中的特征粒度深度自注意力网络从这篇开始，咱们陆续来介绍几篇推荐系统中特征建模的文章。今天要介绍的是19年的一篇文章，算是比较早的一篇在特征上进行建模的论文，对现在的一些建模...