標題：《TWIN: TWo-stage Interest Network for Lifelong User Behavior Modeling in CTR Predict...
發(fā)簡信
IP屬地：安徽
-
推薦系統(tǒng)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 -
推薦系統(tǒng)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》，從特征表示角度入手，將多種對比學習...
-
推薦系統(tǒng)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?guī)鞢IKM2022應用研究方向最佳論文-來自于快手團隊的《Real-time Short Video Recommendation on Mobile Devic...
-
推薦系統(tǒng)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?guī)淼氖敲缊F在CIKM2022上中稿的論文，重點關(guān)注于CTR預估中的超長用戶行為序列建模彤侍。與SIM、ETA這類基于“檢索”的建模范式不同逆趋，論文提出了一種簡單而且有效...
-
推薦系統(tǒng)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(wǎng)絡CAEN今天給大家?guī)鞷ecsys2022上阿里中稿的一篇文章盏阶。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闻书，但過往的推薦系統(tǒng)大都關(guān)注用戶歷史行為的建模名斟，...
-
推薦系統(tǒng)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魄眉，而忽略了相鄰展示的其他商家對其的影響砰盐，因此本文的出發(fā)點主要是廣告點擊率預估中的...
-
推薦系統(tǒng)遇上深度學習(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)化坑律，一起來看一下岩梳。 1、背景 廣告系統(tǒng)中脾歇，創(chuàng)意（如標題和圖片）包含...
-
推薦系統(tǒng)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(fā)表在WWW2022上的論文CrossDQN蒋腮，提出了一種基于強化學習的信息流廣告分配方法淘捡。這也是我個人在入職美團之后工作的主要方向藕各。接下來我將對...
-
推薦系統(tǒng)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(wǎng)絡從這篇開始，咱們陸續(xù)來介紹幾篇推薦系統(tǒng)中特征建模的文章焦除。今天要介紹的是19年的一篇文章激况，算是比較早的一篇在特征上進行建模的論文，對現(xiàn)在的一些建模方式具有一定的借鑒意義，一起來...
-
推薦系統(tǒng)遇上深度學習(一三四)-[阿里]對抗過濾建模用戶長期行為序列今天給大家?guī)硪黄猄IGIR2022上阿里中稿的一篇短文乌逐，主要研究在建模用戶長期興趣時竭讳，如何對用戶的長行為序列中噪聲進行過濾，選擇topK的有用的行為用于CTR預估浙踢。論文提出...
-
推薦系統(tǒng)遇上深度學習(一三三)-[京東]搜索廣告點擊率預估中的候選商品隱式感知建模今天給大家分享京東的一篇CTR預估的論文绢慢，用于建模頁面上下文（用戶感知到的其他展示的item）對于目標item是否點擊的影響。但是在精排階段洛波，往往采用point-wise預估...
-
推薦系統(tǒng)遇上深度學習(一三二)-[阿里]點擊率預估中的自適應參數(shù)生成網(wǎng)絡今天給大家分享一篇阿里發(fā)表的關(guān)于神經(jīng)網(wǎng)絡中網(wǎng)絡參數(shù)自適應生成的文章胰舆，不僅可以做到不同的樣本有不同的網(wǎng)絡參數(shù)，同時通過拆分矩陣等操作大大提升了推理性能蹬挤，一起來學習一下缚窿。 1、背...
-
推薦系統(tǒng)遇上深度學習(一三一)-[螞蟻金服]信息流推薦中局部視野感知的重排序方法今天來分享一篇螞蟻金服在WSDM2022中稿的重排序的文章焰扳，建模用戶在瀏覽過程中自上而下的全局item相互影響以及局部視野范圍內(nèi)item的相互影響倦零，一起來學習一下。 1吨悍、背景...
-
推薦系統(tǒng)遇上深度學習(一三零)-[阿里]電商搜索CTR預估中頁面級反饋建模今天來介紹一篇阿里在WSDM2022上中稿的文章扫茅，與之前的用戶興趣建模的論文引入單點用戶行為序列不同，本文引入了頁面級的用戶行為序列育瓜，充分建模用戶反饋的上下文信息和頁面興趣演...
-
推薦系統(tǒng)遇上深度學習(一二九)-基于物品屬性的用戶關(guān)注列表序列推薦今天給大家?guī)淼氖荳SDM 2022上eBay中稿的一篇文章诞帐，題目為《Sequential Modeling with Multiple Attributes for Wat...
-
推薦系統(tǒng)遇上深度學習(一二八)-深度交叉注意力乘積網(wǎng)絡DCAP本文是2022年的第一篇文章，給大家?guī)鞢IKM2021上中稿的一篇文章爆雹，提出了Deep Cross Attentional Product Network（以下簡稱DCAP...
-
推薦系統(tǒng)遇上深度學習(一二七)-[谷歌]用于點擊率預估消偏的交叉位置注意力機制今天給大家分享的是谷歌發(fā)表的一篇用于點擊率預估中消除位置偏差的論文停蕉，除考慮位置本身的影響外，還考慮了相鄰位置及展示的item的交叉影響钙态，一起來看一下慧起。 1、背景 在點擊率預估...
-
推薦系統(tǒng)遇上深度學習(一二六)-[華為]信息共享的并行化深度CTR模型今天給大家?guī)硪黄A為在CIKM2021上中稿的文章册倒。通過在并行CTR預估模型引入信息共享機制來提升特征交互的效果蚓挤，一起來看一下。 1驻子、背景 CTR預估中的特征交互可以分為顯...
-
推薦系統(tǒng)遇上深度學習(一二五)-[阿里]CTR預估中的端到端用戶行為檢索今天給大家?guī)硪黄⒗镌陂L用戶行為序列建模中的探索灿意，前面也介紹過SIM和UBR4CTR兩篇論文，均是通過兩階段檢索的思路崇呵，從長用戶行為序列中選擇與目標item相關(guān)的用戶行為缤剧，...
-
推薦系統(tǒng)遇上深度學習(一二四)-[美團]面向大規(guī)模推薦系統(tǒng)的雙重增強雙塔模型各位小伙伴們中秋快樂吖！今天給大家?guī)硪黄缊F在DLP-KDD 2021上中稿的一篇論文域慷，主要的出發(fā)點是解決雙塔模型中兩塔之間缺乏信息交互荒辕，以及在美團首頁推薦中汗销，面臨多場景、...