Makalah Pembelajaran Mendalam yang mengagumkan untuk Penelusuran, Rekomendasi, dan Iklan industri. Mereka fokus pada Penyematan, Pencocokan, Pemeringkatan (prediksi CTR/CVR), Pemeringkatan Pasca, Model Besar (Rekomendasi Generatif, LLM), Pembelajaran transfer, Pembelajaran Penguatan dan sebagainya.
00_Menyematkan
- 2013 (Google) (NIPS) [Word2vec] Representasi Kata dan Frasa Terdistribusi serta Komposisinya
- 2014 (KDD) [DeepWalk] DeepWalk - pembelajaran online representasi sosial
- 2015 (WWW) [LINE] LINE Penyematan Jaringan Informasi Skala Besar
- 2016 (KDD) [Node2vec] node2vec - Pembelajaran Fitur yang Dapat Diskalakan untuk Jaringan
- 2017 (ICLR) [GCN] Klasifikasi Semi-diawasi dengan Jaringan Konvolusional Grafik
- 2017 (KDD) [Struc2vec] struc2vec - Mempelajari Representasi Node dari Identitas Struktural
- 2017 (NIPS) [GraphSAGE] Pembelajaran Representasi Induktif pada Grafik Besar
- 2018 (Airbnb) (KDD) *[Airbnb Embedding] Personalisasi Real-time menggunakan Embeddings untuk Peringkat Pencarian di Airbnb
- 2018 (Alibaba) (KDD) *[Alibaba Embedding] Penyematan Komoditas Berskala Miliar untuk Rekomendasi E-commerce di Alibaba
- 2018 (ICLR) [GAT] Jaringan Perhatian Grafik
- 2018 (Pinterest) (KDD) *[PinSage] Grafik Jaringan Neural Konvolusional untuk Sistem Rekomendasi Skala Web
- 2018 (WSDM) [NetMF] Penyematan jaringan sebagai faktorisasi matriks - Menyatukan deepwalk, line, pte, dan node2vec
- 2019 (Alibaba) (KDD) *[GATNE] Pembelajaran Representasi untuk Jaringan Heterogen Multipleks Beratribusi
01_Mencocokkan
- 2013 (Microsoft) (CIKM) [DSSM] Mempelajari model semantik terstruktur mendalam untuk penelusuran web menggunakan data klik-tayang
- 2015 (KDD) [Tongkat] Menyimpulkan Jaringan Produk Pengganti dan Pelengkap
- 2016 (Google) (RecSys) **[Youtube DNN] Jaringan Neural Dalam untuk Rekomendasi YouTube
- 2018 (Alibaba) (KDD) * [TDM] Model Mendalam Berbasis Pohon Pembelajaran untuk Sistem Rekomendasi
- 2018 (Pinterest) (KDD) *[PinSage] Grafik Jaringan Neural Konvolusional untuk Sistem Rekomendasi Skala Web
- 2019 (Alibaba) (CIKM) **[MIND] Jaringan Multi-Kepentingan dengan Perutean Dinamis untuk Rekomendasi di Tmall
- 2019 (Alibaba) (CIKM) *[SDM] SDM - Model pencocokan mendalam berurutan untuk sistem pemberi rekomendasi online berskala besar
- 2019 (Alibaba) (NIPS) *[JTM] Optimasi Bersama Indeks Berbasis Pohon dan Model Mendalam untuk Sistem Rekomendasi
- Pencarian Produk Semantik 2019 (Amazon) (KDD).
- 2019 (Baidu) (KDD) *[MOBIUS] MOBIUS - Menuju Generasi Berikutnya dari Pencocokan Iklan Kueri dalam Pencarian Sponsor Baidu
- 2019 (Google) (RecSys) **[Two-Tower] Pemodelan Neural yang Dikoreksi Bias Pengambilan Sampel untuk Rekomendasi Item Korpus Besar
- 2019 (Google) (WSDM) *[Top-K Off-Policy] Koreksi Top-K Off-Policy untuk Sistem Rekomendasi REINFORCE
- 2019 [Tencent] (KDD) Sistem Penambangan Konsep yang Berpusat pada Pengguna untuk Kueri dan Pemahaman Dokumen di Tencent
- 2020 (Alibaba) (ICML) [OTM] Mempelajari Model Pohon Optimal di Bawah Pencarian Sinar
- 2020 (Alibaba) (KDD) *[ComiRec] Kerangka Kerja Multi-Kepentingan Terkendali untuk Rekomendasi
- 2020 (Facebook) (KDD) **[Penyematan untuk Pencarian Facebook] Pengambilan berbasis penyematan di Pencarian Facebook
- 2020 (Google) (WWW) *[MNS] Pengambilan Sampel Negatif Campuran untuk Mempelajari Jaringan Neural Dua Menara dalam Rekomendasi
- 2020 (JD) (CIKM) *[DecGCN] Jaringan Konvolusi Grafik Terpisah untuk Menyimpulkan Item Pengganti dan Pelengkap
- 2020 (JD) (SIGIR) [DPSR] Menuju Pengambilan yang Dipersonalisasi dan Semantik - Solusi End-to-End untuk Pencarian E-commerce melalui Pembelajaran Penyematan
- 2020 (Microsoft) (Arxiv) TwinBERT - Menyaring Pengetahuan ke Model BERT Terstruktur Kembar untuk Pengambilan yang Efisien
- 2021 (Alibaba) (KDD) * [MGDSPR] Pengambilan Produk Berbasis Penyematan di Pencarian Taobao
- Pembelajaran Multi-label Ekstrim 2021 (Amazon) (KDD) untuk Pencocokan Semantik dalam Pencarian Produk
- 2021 (Bytedance) (Arxiv) [DR] Pengambilan Mendalam - Mempelajari Struktur yang Dapat Diambil untuk Rekomendasi Skala Besar
- 2022 (Alibaba) (CIKM) **[NANN] [二向箔] Perkiraan Pencarian Tetangga Terdekat berdasarkan Metrik Kesamaan Neural untuk Rekomendasi Skala Besar
- 2022 (Alibaba) (CIKM) [CLE-QR] Penulisan Ulang Kueri di Pencarian TaoBao
- 2022 (Alibaba) **(CIKM) [MOPPR] Pengambilan Produk yang Dipersonalisasi Multi-Tujuan dalam Pencarian Taobao
- 2024 (Bytedance) (KDD) [Tritunggal] Tritunggal - Menyinkronkan Multi-:Ekor Panjang:Kepentingan Jangka Panjang Semua dalam Satu
JST
- 2017 (Arxiv) (Meta) [FAISS] Pencarian kesamaan berskala miliaran dengan GPU
- 2020 (PAMI) [HNSW] Pencarian Perkiraan Tetangga Terdekat yang Efisien dan Kuat Menggunakan Grafik Dunia Kecil yang Dapat Dinavigasi Secara Hierarki
- 2021 (TPAMI) [IVF-PQ] Kuantisasi Produk untuk Pencarian Tetangga Terdekat
Graph_Neural_Networks
- 2017 (ICLR) [GCN] Klasifikasi Semi-Supervisi dengan Jaringan Konvolusional Grafik
- 2018 (ICLR) [GAT] Jaringan Perhatian Grafik
- 2018 (Pinterest) (KDD) [PinSage] Grafik Jaringan Neural Konvolusional untuk Sistem Rekomendasi Skala Web
- 2019 (Alibaba) (KDD) [IntentGC] IntentGC - Kerangka Konvolusi Grafik Skalabel yang Menggabungkan Informasi Heterogen untuk Rekomendasi
- 2019 (Alibaba) (KDD) [MEIRec] Jaringan Neural Grafik Heterogen yang dipandu Metapath untuk Rekomendasi Intent
- 2019 (Alibaba) (SIGIR) [GIN] Jaringan Intensi Grafik untuk Prediksi Rasio Klik-tayang dalam Pencarian Sponsor
- 2020 (Alibaba) (SIGIR) [ATBRG] ATBRG - Jaringan Grafik Relasional Target-Perilaku Adaptif untuk Rekomendasi yang Efektif
02_Pra-peringkat
- 2020 (Alibaba) (DLP-KDD) [COLD] COLD - Menuju Sistem Pra-Peringkat Generasi Berikutnya
- 2023 (Alibaba) (CIKM) [COPR] COPR - Pra-Pemeringkatan Berorientasi Konsistensi untuk Periklanan Online
- 2023 (Alibaba) (KDD) [ASMOL] Memikirkan Kembali Peran Pra-peringkat dalam Sistem Pencarian E-Commerce Skala Besar
03_Peringkat
- 2014 (ADKDD) (Facebook) Pelajaran Praktis Memprediksi Klik Iklan di Facebook
- 2016 (Google) (DLRS) **[Lebar & Mendalam] Pembelajaran Luas & Mendalam untuk Sistem Rekomendasi
- 2016 (Google) (RecSys) **[Youtube DNN] Jaringan Neural Dalam untuk Rekomendasi YouTube
- 2018 (Alibaba) (KDD) **[DIN] Jaringan Minat Mendalam untuk Prediksi Rasio Klik-Tayang
- 2019 (Alibaba) (AAAI) **[DIEN] Jaringan Evolusi Minat Mendalam untuk Prediksi Rasio Klik-Tayang
- 2019 (Facebook) (Arxiv) [DLRM] (Facebook) Model Rekomendasi Pembelajaran Mendalam untuk Sistem Personalisasi dan Rekomendasi, Facebook
- 2019 (Google) (Recsys) ** [Youtube Multi-task] Merekomendasikan video apa yang akan ditonton selanjutnya - sistem peringkat multitask
- 2020 (Alibaba) (Arxiv) ** [SIM] Pemodelan Minat Pengguna Berbasis Penelusuran dengan Data Perilaku Berurutan Seumur Hidup untuk Prediksi Rasio Klik-Tayang
- 2020 (JD) (CIKM) **[DMT] Transformator Beraneka Ragam Mendalam untuk Pemeringkatan Multi-tujuan dalam Sistem Rekomendasi E-commerce Skala Besar
- 2020 (Tencent) (Recsys) ** [PLE] Progressive Layered Extraction (PLE) - Model Novel Multi-Task Learning (MTL) untuk Rekomendasi yang Dipersonalisasi
- 2021 (Alibaba) (CIKM) * [ZEUS] Self-Supervised Learning terhadap Perilaku Spontan Pengguna untuk Pemeringkatan Multi-Skenario di E-commerce
- 2021 (Alibaba) (CIKM) [STAR] Satu Model yang Melayani Rekomendasi Adaptif Topologi All-Star untuk Prediksi RKT Multi-Domain
- 2022 (Alibaba) (Arxiv) ** [ETA] Pemodelan Data Pengguna Berurutan Panjang yang Efisien untuk Prediksi Rasio Klik-Tayang
- 2022 (Alibaba) (WSDM) Memodelkan Masukan Berdasarkan Halaman yang Dikontekstualisasikan dari Pengguna untuk Prediksi Rasio Klik-Tayang dalam Penelusuran E-commerce
- 2022 (Meta) [DHEN] DHEN - Jaringan Ensemble yang Mendalam dan Hierarki untuk Prediksi Rasio Klik-Tayang Skala Besar
- 2022 (WWW) [FMLP] MLP yang dilengkapi filter adalah Semua yang Anda Butuhkan untuk Rekomendasi Berurutan
- 2023 (Alibaba) (Arxiv) [ESLM] Kerangka Pembelajaran Seluruh Ruang - Prediksi Tingkat Konversi Unbias dalam Tahap Penuh Sistem Rekomendasi
- 2023 (Google) (Arxiv) Di Lantai Pabrik - Rekayasa ML untuk Model Rekomendasi Iklan Skala Industri
- 2023 (Kuaishou) (Arixiv) [TWIN] TWIN - Jaringan Minat Dua Tahap untuk Pemodelan Perilaku Pengguna Seumur Hidup dalam Prediksi RKT di Kuaishou
- 2023 (Kuaishou) (KDD) [PEPNet] PEPNet - Parameter dan Penyematan Jaringan yang Dipersonalisasi untuk Memasukkan Informasi Sebelumnya yang Dipersonalisasi
- 2024 (Kuaishou) (CIKM) [TWINv2] TWIN V2 - Menskalakan Pemodelan Urutan Perilaku Pengguna Sangat Panjang untuk Meningkatkan Prediksi RKT di Kuaishou
- 2024 (Tencent) (KDD) [LCN] Pemodelan Sekuensial Seumur Hidup Lintas-Domain untuk Prediksi Rasio Klik-Tayang Online
Klasik
- 2003 (Amazon) (IEEE) [CF] Rekomendasi Amazon.com - Pemfilteran kolaboratif item-ke-item
- 2009 (Komputer) [MF] Teknik faktorisasi matriks untuk sistem pemberi rekomendasi
- 2016 (ICLR) [GRU4Rec] Rekomendasi Berbasis Sesi dengan Jaringan Neural Berulang
- 2017 (Amazon) (IEEE) Dua dekade sistem pemberi rekomendasi di Amazon.com
DNN
- 2019 (KDD) (Airbnb) Menerapkan Pembelajaran Mendalam pada Pencarian Airbnb
- 2020 (Airbnb) (KDD) Meningkatkan Pembelajaran Mendalam untuk Pencarian Airbnb
Masalah-Umpan Balik-Tertunda
- 2008 (KDD) Pembelajaran Pengklasifikasian Hanya dari Data Positif dan Tidak Berlabel
- 2014 (Criteo) (KDD) [DFM] Pemodelan Umpan Balik Tertunda dalam Iklan Bergambar
- 2018 (Arxiv) [NoDeF] Model Umpan Balik Tertunda Nonparametrik untuk Prediksi Tingkat Konversi
- 2019 (Twitter) (RecSys) Mengatasi Umpan Balik yang Tertunda untuk Pelatihan Berkelanjutan dengan Jaringan Neural dalam prediksi RKT
- Model Umpan Balik Tertunda (AdKDD) 2020 dengan Regresi Binomial Negatif untuk Banyak Konversi
- 2020 (JD) (IJCAI) [TS-DL] Model Berbasis Perhatian untuk Prediksi Tingkat Konversi dengan Umpan Balik Tertunda melalui Kalibrasi Pasca-klik
- 2020 (SIGIR) [DLA-DF] Algoritma Pembelajaran Ganda untuk Konversi Tertunda
- 2020 (WWW) [FSIW] Koreksi Pergeseran Umpan Balik dalam Memprediksi Tingkat Konversi pada Umpan Balik Tertunda
- 2021 (Alibaba) (AAAI) [ES-DFM] Menangkap Masukan Tertunda dalam Prediksi Tingkat Konversi melalui Pengambilan Sampel Waktu Berlalu
- 2021 (Alibaba) (AAAI) [ESDF] Pemodelan Umpan Balik Tertunda untuk Prediksi Tingkat Konversi Seluruh Ruang
- 2021 (Alibaba) (Arxiv) [Tunda] Masalah Negatif Nyata - Pelatihan Berkelanjutan dengan Negatif Nyata untuk Pemodelan Umpan Balik Tertunda
- 2021 (Google) (Arxiv) Menangani banyak konversi per klik dalam memodelkan umpan balik yang tertunda
- Modifikasi Hadiah Kontrafaktual 2021 (Tencent) (SIGIR) untuk Rekomendasi Streaming dengan Umpan Balik Tertunda
- 2022 (Alibaba) (WWW) [DEFUSE] Estimasi Tidak Bias Asimtotik untuk Pemodelan Umpan Balik Tertunda melalui Koreksi Label
Persilangan Fitur
- 2010 (ICDM) [FM] Mesin faktorisasi
- 2013 (Google) (KDD) [LR] Prediksi Klik Iklan - Pemandangan dari Parit
- 2016 (Arxiv) [PNN] Jaringan Neural Berbasis Produk untuk Prediksi Respons Pengguna
- 2016 (Criteo) (Recsys) [FFM] Mesin Faktorisasi Sadar Lapangan untuk Prediksi RKT
- 2016 (ECIR) [FNN] Pembelajaran Mendalam pada Data Kategoris Multibidang – Studi Kasus tentang Prediksi Respons Pengguna
- 2016 (KDD) [Deepintent] Deepintent - Mempelajari perhatian untuk periklanan online dengan jaringan saraf berulang
- 2016 (Microsoft) (KDD) [Deep Crossing] Deep Crossing - Pemodelan skala web tanpa fitur kombinatorial yang dibuat secara manual
- 2017 (Google) (ADKDD) [DCN] Deep & CrossNetwork untuk Prediksi Klik Iklan
- 2017 (Huawei) (IJCAI) [DeepFM] DeepFM - Jaringan Syaraf Tiruan Berbasis Mesin Faktorisasi untuk Prediksi RKT
- 2017 (IJCAI) [AFM] Mesin Faktorisasi Perhatian Mempelajari Bobot Interaksi Fitur melalui Jaringan Perhatian
- 2017 (SIGIR) [NFM] Mesin Faktorisasi Neural untuk Analisis Prediktif Jarang
- 2017 (WWW) [NCF] Pemfilteran Kolaboratif Neural
- 2018 (CVPR) * [SENet] Jaringan Pemerasan dan Eksitasi
- 2018 (Google) (WSDM) [Latent Cross] Latent Cross Memanfaatkan Konteks dalam Sistem Rekomendasi Berulang
- 2018 (KDD) [xDeepFM] xDeepFM - Menggabungkan Interaksi Fitur Eksplisit dan Implisit untuk Sistem Rekomendasi
- 2018 (TOIS) [PNN] Jaringan Neural Berbasis Produk untuk Prediksi Respons Pengguna pada Data Kategoris Multi-Bidang
- 2019 (CIKM) ** [AutoInt] AutoInt - Pembelajaran Interaksi Fitur Otomatis melalui Jaringan Neural Self-Attentive
- 2019 (Huawei) (WWW) [FGCNN] Pembuatan Fitur oleh Jaringan Neural Konvolusional untuk Prediksi Rasio Klik-Tayang
- 2019 (Sina) (Arxiv) [FAT-DeepFFM] FAT-DeepFFM - Mesin Faktorisasi Deep Field-aware yang Penuh Perhatian di Lapangan
- 2019 (Sina) (Recsys) [FiBiNET] FiBiNET - menggabungkan kepentingan fitur dan interaksi fitur bilinear untuk prediksi rasio klik-tayang
- 2019 (Tencent) (AAAI) [IFM] Mesin Faktorisasi Sadar Interaksi untuk Sistem Rekomendasi
- 2020 (Baidu) (KDD) [CAN] Jaringan Kombo-Perhatian untuk Periklanan Video Baidu
- 2021 (Google) (WWW) * [DCN V2] DCN V2 - Peningkatan Jaringan Dalam & Lintas dan Pelajaran Praktis untuk Pembelajaran Skala Web untuk Sistem Pemeringkatan
- 2022 (Alibaba) (WSDM) * [CAN] CAN - Fitur Jaringan Aksi Bersama untuk Prediksi Rasio Klik-Tayang
- 2023 (CIKM) * [GDCN] Menuju Jaringan Lintas yang Lebih Dalam, Ringan, dan Dapat Ditafsirkan untuk Prediksi CTR
- 2023 (Sina) (CIKM) [FiBiNet++] FiBiNet++ - Mengurangi Ukuran Model dengan Lapisan Interaksi Fitur Peringkat Rendah untuk Prediksi RKT
- 2023 (Sina) (CIKM) [MemoNet] MemoNet - Menghafal Representasi Semua Fitur Lintas Secara Efisien melalui Jaringan Buku Kode Multi-Hash untuk Prediksi RKT
Pemodelan Urutan Jangka Panjang
- 2019 (Alibaba) (KDD) [MIMN] Praktek Pemodelan Perilaku Pengguna Berurutan Panjang untuk Prediksi Rasio Klik-Tayang
- 2019 (Google) (WWW) Menuju Rekomendasi Campuran Neural untuk Urutan Pengguna yang Bergantung pada Jarak Jauh
- 2020 (Alibaba) (Arxiv) ** [SIM] Pemodelan Minat Pengguna Berbasis Penelusuran dengan Data Perilaku Berurutan Seumur Hidup untuk Prediksi Rasio Klik-Tayang
- Reformator 2020 (ICLR) - Transformator yang Efisien
- 2020 (SIGIR) [UBR4CTR] Pengambilan Perilaku Pengguna untuk Prediksi Rasio Klik-Tayang
- 2021 (Alibaba) (Arxiv) [ETA] Pengambilan Perilaku Pengguna End-to-End dalam Model Prediksi Rasio Klik-Tayang
- 2022 (Alibaba) (Arxiv) ** [ETA] Pemodelan Data Pengguna Sekuensial Panjang yang Efisien untuk Prediksi Rasio Klik-Tayang
- Pengambilan Sampel 2022 (Meituan) (CIKM) [SDIM] Adalah Semua yang Anda Butuhkan dalam Memodelkan Perilaku Pengguna Jangka Panjang untuk Prediksi RKT
- 2023 (Kuaishou) (Arixiv) [TWIN] TWIN - Jaringan Minat Dua Tahap untuk Pemodelan Perilaku Pengguna Seumur Hidup dalam Prediksi RKT di Kuaishou
- 2023 (Kuaishou) (CIKM) [QIN] Jaringan Minat Pengguna yang Dominan Kueri untuk Peringkat Penelusuran Skala Besar
- 2024 (Kuaishou) (CIKM) [TWINv2] TWIN V2 - Menskalakan Pemodelan Urutan Perilaku Pengguna Sangat Panjang untuk Meningkatkan Prediksi RKT di Kuaishou
- 2024 (Tencent) (KDD) [LCN] Pemodelan Sekuensial Seumur Hidup Lintas-Domain untuk Prediksi Rasio Klik-Tayang Online
Kehilangan
- 2024 (Tencent) (KDD) Memahami Kerugian Peringkat untuk Rekomendasi dengan Masukan Pengguna yang Jarang
- 2024 (Tencent) (KDD) [BBP] Melampaui Preferensi Biner - Memanfaatkan Pendekatan Bayesian untuk Optimalisasi Bersama Pemeringkatan dan Kalibrasi
Multi-Modal
- 2018 (Alibaba) (CIKM) [RKT Gambar] Pentingnya Gambar - Memodelkan Perilaku Pengguna Secara Visual Menggunakan Server Model Tingkat Lanjut
- 2020 (Alibaba) (WWW) [MARN] Pembelajaran Representasi Multimodal Adversarial untuk Prediksi Rasio Klik-Tayang
Multi-domain-Multi-Skenario
- 2014 (TASLP) * [LHUC] Kontribusi Unit Tersembunyi Pembelajaran untuk Adaptasi Model Akustik Tanpa Pengawasan
- 2015 (Microsoft) (WWW) Pendekatan Pembelajaran Mendalam Multi-Tampilan untuk Pemodelan Pengguna Lintas Domain dalam Sistem Rekomendasi
- 2018 (Google) (KDD) ** [MMoE] Memodelkan hubungan tugas dalam pembelajaran multi-tugas dengan campuran ahli multi-gerbang
- 2019 (Alibaba) (CIKM) [WE-CAN] Jaringan Perhatian Lintas-domain dengan Regularizer Wasserstein untuk Pencarian E-commerce
- 2020 (Alibaba) (Arxiv) [SAML] Pendekatan berbasis Skenario dan Saling Berbasis untuk Rekomendasi Multi-skenario dalam E-Commerce
- 2020 (Alibaba) (CIKM) [HMoE] Meningkatkan Pembelajaran Multi-Skenario untuk Memberi Peringkat di E-commerce dengan Memanfaatkan Hubungan Tugas di Label Space
- 2020 (Alibaba)(CIKM) [MiNet] MiNet - Jaringan Minat Campuran untuk Prediksi Rasio Klik-Tayang Lintas-Domain
- 2020 (Tencent) (Recsys) ** [PLE] Progressive Layered Extraction (PLE) - Model Novel Multi-Task Learning (MTL) untuk Rekomendasi yang Dipersonalisasi
- 2021 (Alibaba) (CIKM) * [ZEUS] Self-Supervised Learning terhadap Perilaku Spontan Pengguna untuk Pemeringkatan Multi-Skenario di E-commerce
- 2021 (Alibaba) (CIKM) ** [STAR] Satu Model yang Melayani Rekomendasi Adaptif Topologi All Star untuk Prediksi RKT Multi-Domain
- 2022 (Alibaba) (CIKM) AdaSparse - Mempelajari Struktur Jarang Secara Adaptif untuk Prediksi Rasio Klik-Tayang Multi-Domain
- 2022 (Alibaba) (NIPS) ** [APG] APG - Jaringan Pembuatan Parameter Adaptif untuk Prediksi Rasio Klik-Tayang
- 2023 (Alibaba) (CIKM) [HC2] Kendala Kontrasif Hibrid untuk Peringkat Iklan Multi-Skenario
- 2023 (Alibaba) (CIKM) [MMN] Masked Multi-Domain Network - Prediksi Tingkat Konversi Multi-Jenis dan Multi-Skenario dengan Model Tunggal
- 2023 (Alibaba) (CIKM) [Rec4Ad] Rec4Ad - Makan Siang Gratis untuk Mengurangi Bias Pemilihan Sampel untuk Prediksi RKT Iklan di Taobao
- 2023 (Alibaba) (SIGIR) [MARIA] Pemeringkatan Multi-Skenario dengan Pembelajaran Fitur Adaptif
- 2023 (CIKM) [HAMUR] HAMUR - Hyper Adapter untuk Rekomendasi Multi-Domain
- 2023 (Huawei) (CIKM) [DFFM] DFFM - Pemodelan Fitur yang Difasilitasi Domain untuk Prediksi RKT
- 2023 (Kuaishou) (KDD) * [PEPNet] PEPNet - Parameter dan Penyematan Jaringan yang Dipersonalisasi untuk Memasukkan Informasi Sebelumnya yang Dipersonalisasi
- Interaksi Fitur Adaptif Skenario 2023 (Tencent) (KDD) untuk Prediksi Rasio Klik-Tayang
- 2024 (Alibaba) (CIKM) * [MultiLoRA] MultiLoRA - Adaptasi Tingkat Rendah Multi-Arah untuk Rekomendasi Multi-Domain
- 2024 (Alibaba) (RecSys) * [MLoRA] MLoRA - Jaringan Adaptif Tingkat Rendah Multi-Domain untuk Prediksi Rasio Klik-Tayang
- 2024 (Kuaishou) (SIGIR) [M3oE] M3oE - Kerangka Rekomendasi Campuran Pakar Multi-Domain Multi-Tugas
- 2024 (Tencent) (KDD) [LCN] Pemodelan Sekuensial Seumur Hidup Lintas-Domain untuk Prediksi Rasio Klik-Tayang Online
- 2024 (WSDM) Menjelajahi Pembelajaran Transfer Berbasis Adaptor untuk Sistem Rekomendasi - Studi Empiris dan Wawasan Praktis
Multi-tugas
- (2018) (ICML) GradNorm - Normalisasi Gradien untuk Penyeimbangan Kerugian Adaptif di Jaringan Multitask Dalam
- 2014 (TASLP) [LHUC] Kontribusi Unit Tersembunyi Pembelajaran untuk Adaptasi Model Akustik Tanpa Pengawasan
- 2017 (Google) (ICLR) [MOE dengan Gerbang Jarang] Jaringan neural yang sangat besar - Lapisan campuran pakar dengan gerbang jarang
- 2018 (Alibaba) (KDD) [DUPN] Pahami Pengguna Anda Secara Mendalam - Mempelajari Representasi Pengguna Universal dari Berbagai Tugas E-commerce
- 2018 (Alibaba) (SIGIR) [ESMM] Model Multi-Tugas Seluruh Ruang - Pendekatan Efektif untuk Memperkirakan Tingkat Konversi Pasca-Klik
- Pembelajaran Multi-Tugas 2018 (CVPR) Menggunakan Ketidakpastian untuk Menimbang Kerugian untuk Geometri Pemandangan dan Semantik
- 2018 (Google) (KDD) ** [MMoE] Memodelkan hubungan tugas dalam pembelajaran multi-tugas dengan campuran ahli multi-gerbang
- Prediksi Penjualan berbasis multi-tugas 2019 (Alibaba) (CIKM) untuk Promosi Online
- 2019 (Alibaba) (Recys) Algoritma Pareto-Eficient untuk Optimasi Berbagai Tujuan dalam Rekomendasi E-Commerce
- Perutean Sub-Jaringan SNR 2019 (Google) (AAAI) untuk Berbagi Parameter Fleksibel dalam Pembelajaran Multi-Tugas
- 2019 (Google) (Recsys) ** [Youtube Multi-task] Merekomendasikan video apa yang akan ditonton selanjutnya - sistem peringkat multitask
- Pembelajaran Multi-Tugas Pareto 2019 (NIPS).
- 2020 (Alibaba) (SIGIR) [ESM2] Pemodelan Multi-Tugas Seluruh Ruang melalui Dekomposisi Perilaku Pasca-Klik untuk Prediksi Tingkat Konversi
- 2020 (Alibaba) (WWW) Pendekatan Kausal Berskala Besar untuk Memperkecil Estimasi Tingkat Konversi Pasca-klik dengan Pembelajaran Multitugas
- Optimasi Peringkat Multi-Tujuan 2020 (Amazon) (WWW) untuk Pencarian Produk Menggunakan Agregasi Label Stochastic
- 2020 (Google) (KDD) [MoSE] Campuran Multitask dari Pakar Berurutan untuk Aliran Aktivitas Pengguna
- 2020 (JD) (CIKM) *[DMT] Transformator Beraneka Ragam Mendalam untuk Pemeringkatan Multi-tujuan dalam Sistem Rekomendasi E-commerce Skala Besar
- 2020 (Tencent) (Recsys) ** [PLE] Progressive Layered Extraction (PLE) - Model Novel Multi-Task Learning (MTL) untuk Rekomendasi yang Dipersonalisasi
- 2021 (Alibaba) (SIGIR) [HM3] Pemodelan Perilaku Mikro dan Makro Secara Hierarki melalui Pembelajaran Multi-Tugas untuk Prediksi Tingkat Konversi
- 2021 (Alibaba) (SIGIR) [MSSM] MSSM - Model Berbagi Jarang Bertingkat untuk Pembelajaran Multi-Tugas yang Efisien
- 2021 (Baidu) (SIGIR) [GemNN] GemNN - Jaringan Neural Multi-Tugas yang Ditingkatkan Gating dengan Pembelajaran Interaksi Fitur untuk Prediksi RKT
- 2021 (Google) (Arxiv) [DSelect-k] Seleksi Diferensiasi DSelect-k dalam Campuran Pakar dengan Penerapan pada Pembelajaran Multi-Tugas
- 2021 (Google) (ICLR) HyperGrid Transformers - Menuju Model Tunggal untuk Banyak Tugas
- 2021 (Google) (KDD) Memahami dan Meningkatkan Pertukaran Keadilan-Akurasi dalam Pembelajaran Multi-Tugas
- 2021 (JD) (ICDE) Campuran Pakar Adversarial dengan Batasan Lunak Hirarki Kategori
- 2021 (Kwai) (Arxiv) [POSO] POSO - Modul Cold Start yang Dipersonalisasi untuk Sistem Rekomendasi Skala Besar
- 2021 (Meituan) (KDD) Memodelkan Ketergantungan Berurutan di antara Konversi Multi-Langkah Audiens dengan Pembelajaran Multi-tugas dalam Iklan Bergambar Bertarget
- 2021 (Tencent) (Arxiv) Campuran Pakar Kernel Virtual untuk Pemodelan Profil Pengguna Multi-Tujuan
- 2021 (Tencent) (WWW) Rekomendasi Perkiraan Efisien Pareto yang Dipersonalisasi
- 2022 (Google) (WWW) Bisakah Kepala Kecil Membantu? Memahami dan Meningkatkan Generalisasi Multi-Tugas
- 2023 (Airbnb) (KDD) Mengoptimalkan Perjalanan Pencarian Airbnb dengan Pembelajaran Multitugas
- 2023 (Alibaba) (CIKM) [DTRN] Jaringan Representasi Bawah Khusus Tugas Dalam untuk Rekomendasi Multi-Tugas
- Sistem Pemeringkatan Multitugas (Google) (CIKM) 2023 untuk Umpan Imersif dan Tanpa Klik Lagi - Studi Kasus Rekomendasi Video Berdurasi Pendek
- 2023 (Google) (KDD) Meningkatkan Stabilitas Pelatihan untuk Model Pemeringkatan Multitugas di Sistem Rekomendasi
- 2023 (Meta) (KDD) AdaTT - Jaringan Penggabungan Tugas-ke-Tugas Adaptif untuk Pembelajaran Multitugas dalam Rekomendasi
- 2024 (Airbnb) (KDD) Pembelajaran Multi-objektif Pemeringkatan Berdasarkan Model Distilasi
- 2024 (Kuaishou) (KDD) [GradCraft] GradCraft - Meningkatkan Rekomendasi Multitugas melalui Pembuatan Gradien Holistik
- 2024 (Kuaishou) [HoME] HoME - Hierarki Pakar Multi-Gerbang untuk Pembelajaran Multi-Tugas di Kuaishou
- 2024 (Shopee) (KDD) [ResFlow] Sisa Pelajar Multi-Tugas untuk Pemeringkatan Terapan
- Rekomendasi Iklan 2024 (Tencent) (KDD) [STEM] di Dunia yang Runtuh dan Terjerat
Pra-pelatihan
- 2019 (Alibaba) (IJCAI) [DeepMCP] Prediksi Rasio Klik-Tayang Berbantuan Pembelajaran Representasi
- 2019 (SIGIR) [BERT4Rec] (Alibaba) (SIGIR2019) BERT4Rec - Rekomendasi Berurutan dengan Representasi Encoder Dua Arah dari Transformer
Pemodelan Urutan
- 2016 (Google) (RecSys) **[Youtube DNN] Jaringan Neural Dalam untuk Rekomendasi YouTube
- 2017 (Google) (NIPS) ** Yang Anda Butuhkan Hanya Perhatian
- 2018 (Alibaba) (KDD) **[DIN] Jaringan Minat Mendalam untuk Prediksi Rasio Klik-Tayang
- 2018 (Alibaba) (KDD) [DUPN] Pahami Pengguna Anda Secara Mendalam - Mempelajari Representasi Pengguna Universal dari Berbagai Tugas E-commerce
- 2019 (Alibaba) (AAAI) **[DIEN] Jaringan Evolusi Minat Mendalam untuk Prediksi Rasio Klik-Tayang
- 2019 (Alibaba) (IJCAI) [DSIN] Jaringan Minat Sesi Mendalam untuk Prediksi Rasio Klik-Tayang
- 2019 (Alibaba) (KDD) [BST] Transformator Urutan Perilaku untuk Rekomendasi E-commerce di Alibaba
- 2019 (Alibaba) (KDD) [DSTN] Jaringan Syaraf Spatio-Temporal Dalam untuk Prediksi Rasio Klik-Tayang
- 2019 (Alibaba) (WWW) [TiSSA] TiSSA - Pendekatan Perhatian Diri Sepotong Waktu untuk Memodelkan Perilaku Pengguna Berurutan
- 2019 (Tencent) (KDD) [RALM] Model Serupa Berbasis Perhatian TReal-time untuk Sistem Rekomendasi
- 2020 (Alibaba) (SIGIR) [DHAN] Minat Mendalam dengan Jaringan Perhatian Hierarki untuk Prediksi Rasio Klik-Tayang
- 2020 (Google) (KDD) [Google Drive] Meningkatkan Kualitas Rekomendasi di Google Drive
- 2020 (JD) (CIKM) **[DMT] Transformator Beraneka Ragam Mendalam untuk Pemeringkatan Multi-tujuan dalam Sistem Rekomendasi E-commerce Skala Besar
- 2020 (JD) (NIPS) [KFAtt] Kalman Memfilter Perhatian untuk Pemodelan Perilaku Pengguna dalam Prediksi CTR
- 2020 (JD) (WSDM) [HUP] Profil Pengguna Hierarki untuk Sistem Rekomendasi E-commerce
- 2022 (Alibaba) (WSDM) Memodelkan Masukan Berdasarkan Halaman yang Dikontekstualisasikan Pengguna untuk Prediksi Rasio Klik-Tayang dalam Penelusuran E-commerce
- Pemodelan Kesadaran Pengguna Implisit 2022 (JD) (WWW) melalui Item Kandidat untuk Prediksi RKT di Iklan Penelusuran
- 2023 (JD) (CIKM) [IUI] IUI - Pemodelan Minat Pengguna yang Ditingkatkan Niat untuk Prediksi Rasio Klik-Tayang
- 2023 (Meituan) (CIKM) [DCIN] Jaringan Minat Konteks Dalam untuk Prediksi Rasio Klik-Tayang
- TransAct 2023 (Pinterest) (KDD) - Model Tindakan Pengguna Realtime berbasis Transformer untuk Rekomendasi di Pinterest
Pemicu
- 2022 (Alibaba) (WWW) Jaringan Sorotan Minat Mendalam untuk Prediksi Rasio Klik-Tayang dalam Rekomendasi yang Diinduksi Pemicu
04_Peringkat pasca
- 1998 (SIGIR) ** [MRR] Penggunaan MMR, Reranking Berbasis Keberagaman untuk Penyusunan Ulang Dokumen dan Pembuatan Ringkasan
- 2005 (WWW) Memperbaiki Daftar Rekomendasi Melalui Diversifikasi Topik
- 2008 (SIGIR) [α-NDCG] Kebaruan dan Keanekaragaman dalam Evaluasi Pencarian Informasi
- 2009 (Microsoft) (WSDM) Diversifikasi Hasil Pencarian
- 2010 (WWW) Memanfaatkan Reformulasi Kueri untuk Diversifikasi Hasil Penelusuran Web
- 2016 (Amazon) (RecSys) Adaptif, Keanekaragaman yang Dipersonalisasi untuk Penemuan Visual
- 2017 (Hulu) (NIPS) [DPP] Inferensi MAP Fast Greedy untuk Proses Titik Penentu untuk Meningkatkan Keberagaman Rekomendasi
- 2018 (Alibaba) (IJCAI) Peringkat Kesadaran Saling Mempengaruhi yang Dioptimalkan Secara Global dalam Penelusuran E-Commerce
- 2018 (Alibaba) (IJCAI) [Alibaba GMV] Peringkat Saling Mempengaruhi yang Dioptimalkan Secara Global dalam Penelusuran E-Commerce
- 2018 (Google) (CIKM) [DPP] Rekomendasi Diversifikasi Praktis di YouTube dengan Proses Titik Penentu
- 2018 (SIGIR) [DLCM] Mempelajari Model Konteks Daftar Mendalam untuk Penyempurnaan Peringkat
- 2019 (Alibaba) (WWW) [RL Berbasis Nilai] Rekomendasi Sadar Nilai berdasarkan Penguatan Maksimalisasi Keuntungan
- 2019 (Alibaba) (KDD) [GAttN] Rekomendasi Exact-K melalui Optimasi Klik Maksimal
- 2019 (Alibaba) (RecSys) ** [PRM] Pemeringkatan Ulang yang Dipersonalisasi untuk Rekomendasi
- Pembelajaran Penguatan 2019 (Google) (Arxiv) untuk Sistem Rekomendasi Berbasis Slate - Dekomposisi yang Dapat Dilakukan dan Metodologi Praktis
- 2019 (Google) (Arxiv) Seq2slate - Pemeringkatan ulang dan optimasi slate dengan rnns
- 2019 (Google) (IJCAI) [SlateQ] SLATEQ - Dekomposisi yang Dapat Dilakukan untuk Pembelajaran Penguatan dengan Kumpulan Rekomendasi
- 2019 (Google) (WSDM) [Top-K Off-Policy] Koreksi Top-K Off-Policy untuk Sistem Rekomendasi REINFORCE
- 2020 (Airbnb) (KDD) Mengelola Keberagaman dalam Pencarian Airbnb
- 2020 (Alibaba) (CIKM) [EdgeRec] EdgeRec - Sistem Rekomendasi di Edge di Mobile Taobao
- 2020 (Huawei) (Arxiv) Pemeringkatan Ulang yang Dipersonalisasi untuk Meningkatkan Keberagaman dalam Sistem Rekomendasi Langsung
- 2021 (Alibaba) (Arxiv) [PRS] Tinjau Kembali Sistem Rekomendasi di Calon Permutasi
- Model Respons Pengguna 2021 (Google) (WSDM) untuk Meningkatkan Sistem Rekomendasi REINFORCE
- 2021 (Microsoft) Keberagaman dalam Perjalanan! Proses Titik Penentu Streaming di bawah Tujuan Kardinalitas Terinduksi Maksimum
- 2023 (Amazon) (KDD) RankFormer - Pembelajaran-untuk-Peringkat Listwise Menggunakan Label Listwide
- 2023 (Meituan) (KDD) PIER - Kerangka Pemeringkatan Ulang End-to-End Berbasis Minat Tingkat Permutasi dalam E-commerce
- 2024 (Kuaishou) (KDD) [NAR4Rec] Model Generatif Non-autoregresif untuk Rekomendasi Pemeringkatan Ulang
Seq2Slate
- Pembelajaran Penguatan Mendalam 2015 (Google) (Arxiv) di Ruang Aksi Diskrit Besar
- Pembelajaran Penguatan Mendalam 2015 (Google) (Arxiv) dengan Perhatian pada Proses Keputusan Slate Markov dengan Status dan Tindakan Dimensi Tinggi
- 2017 (KDD) [DCM] Model Pilihan Mendalam Menggunakan Jaringan Pointer untuk Prediksi Rencana Perjalanan Maskapai
- 2018 (Microsoft) (EMNLP) [RL4NMT] Sebuah studi tentang pembelajaran penguatan untuk terjemahan mesin saraf
- 2019 (Google) (Arxiv) Seq2slate - Pemeringkatan ulang dan optimasi slate dengan rnns
05_Relevansi
- 2020 (ICLR) [StructBERT] StructBERT - Memasukkan Struktur Bahasa ke dalam Pra-pelatihan untuk Pemahaman Bahasa Mendalam
- 2021 (Alibaba) (WWW) Mempelajari Model Relevansi Produk dari Data Click-Through di E-Commerce
- 2023 (Meituan) (CIKM) [SPM] SPM - Pra-pelatihan Terstruktur dan Arsitektur Pencocokan untuk Pemodelan Relevansi dalam Pencarian Meituan
06_Cascade
- 2023 (Alibaba) (CIKM) [COPR] COPR - Pra-Pemeringkatan Berorientasi Konsistensi untuk Periklanan Online
- 2023 (Alibaba) (KDD) [ASMOL] Memikirkan Kembali Peran Pra-peringkat dalam Sistem Pencarian E-Commerce Skala Besar
07_Model_Besar
- 2019 (CIKM) [AutoInt] AutoInt - Pembelajaran Interaksi Fitur Otomatis melalui Jaringan Neural Self-Attentive
- Hukum Penskalaan 2020 (Arxiv) untuk Model Bahasa Neural
- 2022 (Arxiv) (Meta) DHEN - Jaringan Ensemble yang Mendalam dan Hierarki untuk Prediksi Rasio Klik-Tayang Skala Besar
- 2024 (Arxiv) (Bytedance) [HLLM] HLLM - Meningkatkan Rekomendasi Berurutan melalui Model Bahasa Besar Hierarki untuk Pemodelan Item dan Pengguna
- 2024 (Arxiv) ** (Meta) [GR] Tindakan Berbicara Lebih Keras daripada Kata-kata - Transduser Sekuensial Triliun Parameter untuk Rekomendasi Generatif
- 2024 (PMLR) (Meta) [Wukong] Wukong - Menuju Hukum Penskalaan untuk Rekomendasi Skala Besar
CV
- 2014 (ICML) [VAE] Bayes Variasi Pengkodean Otomatis
- 2014 (NIPS) [GAN] Jaring Adversarial Generatif
- 2017 (NIPS) [VQ-VAE] Pembelajaran Representasi Diskrit Neural
- 2020 (NIPS) [Diffusi] Model Probabilistik Difusi yang Menyangkal
Pembelajaran_Mendalam
- 2012 (NIPS) [CNN] Klasifikasi ImageNet dengan Jaringan Neural Konvolusional Dalam
- 2014 (JMLR) [Dropout] Dropout - Cara Sederhana untuk Mencegah Jaringan Neural Berlebihan
- 2015 (Google) (JMLR) [BatchNorm] Normalisasi Batch - Mempercepat Pelatihan Jaringan Dalam dengan Mengurangi Pergeseran Kovariat Internal
- 2015 (OpenAI) (ICLR) [Adam] Adam - Metode untuk Optimasi Stokastik
- 2016 (CVPR) [ResNet] Pembelajaran Residual Mendalam untuk Pengenalan Gambar
- 2016 (OpenAI) (NIPS) [Weight Norm] Normalisasi Bobot - Parameterisasi Ulang Sederhana untuk Mempercepat Pelatihan Jaringan Neural Dalam
- 2017 (Arxiv) [LayerNorm] Normalisasi Lapisan
- 2017 (Google) (NIPS) [Transformer] Yang Anda Butuhkan Hanya Perhatian
LLM
- 2013 (Google) (NIPS) [Word2vec] Representasi Kata dan Frasa Terdistribusi serta Komposisinya
- 2014 (Google) (NIPS) [Seq2Seq] Pembelajaran Urutan ke Urutan dengan Jaringan Syaraf Tiruan
- 2017 (Google) (NIPS) [Transformer] Yang Anda Butuhkan Hanya Perhatian
- 2017 (OpenAI) (NIPS) [RLHF] Pembelajaran Penguatan Mendalam dari Preferensi Manusia
- 2018 (OpenAI) (Arxiv) [GPT] Meningkatkan Pemahaman Bahasa melalui Pra-Pelatihan Generatif
- 2019 (Google) (NAACL) [Bert] BERT - Pra-pelatihan Transformator Dua Arah Dalam untuk Pemahaman Bahasa
- 2019 (OpenAI) (Arxiv) [GPT2] Model Bahasa adalah Pembelajar Multitask Tanpa Pengawasan
- Hukum Penskalaan 2020 (Arxiv) untuk Model Bahasa Neural
- Model Bahasa 2020 (OpenAI) (Arxiv) [GPT3] adalah Pembelajar yang Sedikit Pembelajar
- 2021 (Microsoft) (Arxiv) [LoRA] LoRA - Adaptasi Model Bahasa Besar Tingkat Rendah
- 2022 (Google) (JMLR) [SwitchTransfomers] Switch Transformers - Menskalakan Model Parameter hingga Triliun dengan Ketersebaran yang Sederhana dan Efisien
- 2022 (Google) (NIPS) [ChainOfThought] Dorongan Rantai Pemikiran Menghasilkan Penalaran dalam Model Bahasa Besar
- 2022 (Google) (TMLR) [Muncul] Kemampuan Muncul Model Bahasa Besar
- 2022 (OpenAI) (Arxiv) [InstructGPT] Melatih model bahasa untuk mengikuti instruksi dengan masukan manusia
- 2023 (Meta) (Arxiv) [LLaMA] LLaMA - Model Bahasa Dasar yang Terbuka dan Efisien
- 2023 (OpenAI) (Arxiv) [GPT4] Laporan Teknis GPT-4
MOE
- 2017 (Google) (ICLR) [MOE dengan Gerbang Jarang] Jaringan neural yang sangat besar - Lapisan campuran pakar dengan gerbang jarang
- 2018 (Google) (KDD) ** [MMoE] Memodelkan hubungan tugas dalam pembelajaran multi-tugas dengan campuran ahli multi-gerbang
- 2022 (Google) (JMLR) [SwitchTransfomers] Switch Transformers - Menskalakan Model Parameter hingga Triliun dengan Ketersebaran yang Sederhana dan Efisien
- 2022 (Meta) (EMNLP) Pemodelan Bahasa Skala Besar yang Efisien dengan Campuran Pakar
- 2024 (Google) (ICLR) Dari Campuran Pakar yang Jarang hingga Lembut
Multimoda
- 2020 (Google) (ICLR) [ALBERT] ALBERT - BERT Ringan untuk Pembelajaran Representasi Bahasa dengan Pengawasan Mandiri
- 2021 (Google) (ICLR) [VIT] Sebuah Gambar Bernilai 16x16 Kata - Transformers untuk Pengenalan Gambar dalam Skala Besar
- 2021 (OpenAi) (ICML) [Klip] Belajar Model Visual yang Dapat Dipindahkan dari Pengawasan Bahasa Alami
Self_supervised_learning
- 2020 (Alibaba) (AAAI) [DMR] Cocokkan dalam untuk peringkat model untuk prediksi tingkat klik-tayang yang dipersonalisasi
- 2020 (Alibaba) (Cikm) [BerT4REC] BerT4REC - Rekomendasi berurutan dengan representasi enkoder dua arah dari transformator
- 2020 (Alibaba) (KDD) Disentangled Self-Vision dalam Rekomendasi Berurutan
- 2020 (arxiv) Userbert - Pembelajaran Representasi Pengguna Sendiri
- 2020 (ARXIV) [SGL] Pembelajaran grafik diri sendiri untuk rekomendasi
- 2020 (CIKM) [S3REC] S3-REC-Pembelajaran yang Di-swadaya untuk rekomendasi berurutan dengan maksimalisasi informasi timbal balik
- 2020 (EMNLP) [PTUM] PTUM-Model pengguna pra-pelatihan dari perilaku pengguna yang tidak berlabel melalui persiapan mandiri
- 2020 (SIGIR) Pembelajaran Penguatan Sendiri untuk Sistem Rekomendasi
- 2020 (Xiangnan HE) (arxiv) Pembelajaran grafik yang di-swadaya untuk rekomendasi
- 2021 (Alibaba) (ARXIV) [CLREC] Pembelajaran Kontras untuk Generasi Kandidat Debias dalam Sistem Rekomendasi Skala Besar
- 2021 (Alibaba) (Cikm) * [Zeus] Pembelajaran yang Di-swadaya pada perilaku spontan pengguna untuk peringkat multi-skenario dalam e-commerce
- 2021 (Alibaba) (www) Pra-pelatihan kontras untuk rekomendasi berurutan
- 2021 (Google) (CIKM) Pembelajaran yang Di-swadaya untuk rekomendasi item skala besar
- 2021 (WSDM) [prop] prop-pra-pelatihan dengan prediksi kata-kata representatif untuk pengambilan ad-hoc
08_TRANSFER_LEARNING
- 2014 (Google) (NIPS) [KNOLEDGE DISTILLASI] Menyaring pengetahuan dalam jaringan saraf
- 2015 (ICLR) [FitNets] FitNets - Petunjuk untuk Jaring Deep Thin
- 2018 (ALIBABA) (AAAI) [Rocket] Rocket Launching - Kerangka kerja universal dan efisien untuk melatih jaring cahaya yang berkinerja baik
- 2018 (KDD) [Peringkat Distilasi] Peringkat Distilasi - Mempelajari Model Peringkat Kompak dengan Kinerja Tinggi untuk Sistem Rekomendasi
- 2019 (ICCV) [RCO] Distilasi Pengetahuan melalui Optimalisasi Terkendung Rute
- 2020 (Alibaba) (KDD) *[Fitur Privileged Distilasi] Fitur Privileged Distilasi di Rekomendasi Taobao
Domain silang
- 2015 (Microsoft) (WWW) Sebuah pendekatan pembelajaran mendalam multi-view untuk pemodelan pengguna lintas domain dalam sistem rekomendasi
- Pelatihan Domain-Adversarial 2016 (JMLR)
- Conet 2018 (Cikm) - Jaringan Lintas Kolaboratif untuk Rekomendasi Silang Domain
- 2019 (Alibaba) (CIKM) [We-can] Jaringan perhatian lintas domain dengan regularer Wasserstein untuk pencarian e-commerce
- 2019 (Alibaba) (KDD) [MGTL] Permainan minimax misalnya Pembelajaran Transfer Selektif Berbasis Instalasi
- 2019 (CIKM) DTCDR-Kerangka kerja untuk rekomendasi domain silang dual-target
- 2020 (Alibaba) (Cikm) [MINET] MINET-Jaringan bunga campuran untuk prediksi laju klik-tayang lintas domain
- 2020 (WSDM) DDTCDR - Rekomendasi domain silang transfer ganda dalam
Meta-learning
- 2019 (Alibaba) (KDD) [S_2META] Meta Learner khusus skenario untuk rekomendasi online
- 2020 (Kuaishou) (Sigir) [SML] Bagaimana cara melatih kembali sistem rekomendasi? Metode meta-learning berurutan
Transfer
- 2018 (CVPR) Parametrisasi efisien jaringan saraf multi-domain dalam
- Pembelajaran transfer parameter 2019 (ICML) untuk NLP
- 2020 (tencent) (SIGIR) [Peterrec] Transfer parameter-efisien dari perilaku berurutan untuk pemodelan dan rekomendasi pengguna
09_reinforcement_learning
- 2010 (Yahoo) (www) [Linucb] Pendekatan kontekstual-bandit untuk rekomendasi artikel berita yang dipersonalisasi
- 2018 (Alibaba) (KDD) Penguatan Pembelajaran untuk peringkat dalam formalisasi, analisis, dan aplikasi mesin pencari e-commerce
- 2018 (Spotify) (Recsys) [Spotify Bandit] Jelajahi, Eksploitasi, dan Jelaskan Personalisasi Rekomendasi yang Dapat Ditandai dengan Bandit
- 2018 [Microsoft] (www) [DRN] DRN - Kerangka pembelajaran penguatan yang mendalam untuk rekomendasi berita
- 2019 (Alibaba) (www) [HRL] Mengagap Hasil Pencarian E-Commerce dari Sumber Heterogen melalui Pembelajaran Penguatan Hirarki
- 2019 (Google) (IJCAI) *[SlateQ] SlateQ - Dekomposisi yang dapat ditelusuri untuk pembelajaran penguatan dengan set rekomendasi
- 2019 (Google) (WSDM) *[Top-K off-Policy] Koreksi Kebijakan Top-K untuk Sistem Rekomendasi Inforforce
- 2019 (JD) (KDD) [FeedRec] Penguatan pembelajaran untuk mengoptimalkan keterlibatan pengguna jangka panjang dalam sistem rekomendasi
- 2019 (SIGWEB) Pembelajaran Penguatan Deep untuk Pencarian, Rekomendasi, dan Iklan Online - Survei
- 2020 (bytedance) (KDD) [RAM] Bersama belajar untuk merekomendasikan dan beriklan
- 2020 (JD) (SIGIR) [NICF] Neural Interactive Collaborative Filtering
Konferensi
KDD2023
- 2023 (Airbnb) (KDD) Mengoptimalkan perjalanan pencarian Airbnb dengan pembelajaran multi-tugas
- 2023 (Alibaba) (KDD) Menangkap fluktuasi tingkat konversi selama promosi penjualan - Pendekatan penggunaan kembali data historis baru
- 2023 (Amazon) (KDD) RankFormer-Listwise Learning-to-Rank Menggunakan Label ListWide
- 2023 (Baidu) (KDD) Representasi Dokumen Diskrit dalam Pencarian Web
- 2023 (Baidu) (KDD) S2Phere-Pra-pelatihan semi-diawasi untuk pencarian web melalui pembelajaran yang heterogen untuk memberi peringkat data
- 2023 (Google) (KDD) Meningkatkan stabilitas pelatihan untuk model peringkat multitask dalam sistem rekomendasi
- 2023 (Kuaishou) (KDD) Model regresi progresif berbasis pohon untuk prediksi jam tangan dalam rekomendasi video pendek
- 2023 (Kuaishou) (KDD) [PEPNET] PEPNET - Parameter dan Menyematkan Jaringan Pribadi untuk Menanamkan dengan Informasi yang Dipersonalisasi Sebelumnya
- 2023 (Meituan) (KDD) Dermaga-Kerangka Kembali Peringkat Ujung Berbasis Bunga Tingkat Permutasi Dalam E-Commerce
- 2023 (Meta) (KDD) ADATT-Jaringan fusi tugas-ke-tugas adaptif untuk pembelajaran multitask dalam rekomendasi
- 2023 (Microsoft) (KDD) Unifier - Retriever terpadu untuk pengambilan skala besar
- 2023 (Pinterest) (KDD) Transact - Model Tindakan Pengguna Realtime Berbasis Transformer Untuk Rekomendasi di Pinterest
- 2023 (tencent) (KDD) Pengambilan berbasis biner di Tencent
- 2023 (tencent) (KDD) CT4REC - Pelatihan konsistensi sederhana namun efektif untuk rekomendasi berurutan
- 2023 (tencent) (KDD) Interaksi fitur adaptif skenario untuk prediksi klik-tayang
KDD2024
- 2024 (Airbnb) (KDD) Belajar multi-objektif untuk memberi peringkat berdasarkan model distilasi
- 2024 (Bytedance) (KDD) [Trinity] Trinity-Sinkret Multi-: Long-tail: Minat jangka panjang semuanya dalam satu
- 2024 (Kuaishou) (KDD) [GradCraft] Gradcraft - Meninggikan rekomendasi multi -tugas melalui kerajinan gradien holistik
- 2024 (Kuaishou) (KDD) [NAR4REC] Model generatif non-autoregresif untuk rekomendasi reranking
- 2024 (Shopee) (KDD) [ResFlow] Residual Multi-Task Learner untuk Peringkat Terapan
- 2024 (tencent) (KDD) Memahami kerugian peringkat untuk rekomendasi dengan umpan balik pengguna yang jarang
- 2024 (tencent) (KDD) [BBP] Di luar preferensi biner - memanfaatkan pendekatan Bayesian untuk optimalisasi bersama peringkat dan kalibrasi
- 2024 (Tencent) (KDD) [LCN] Pemodelan berurutan seumur hidup lintas domain untuk prediksi laju klik-tayang online
- 2024 (Tencent) (KDD) [batang] Rekomendasi iklan di dunia yang runtuh dan terjerat
Perusahaan
Google
- 2014 (Google) (NIPS) [KNOLEDGE DISTILLASI] Menyaring pengetahuan dalam jaringan saraf
- 2015 (Google) (ARXIV) Pembelajaran penguatan mendalam di ruang aksi diskrit besar
- Pembelajaran Penguatan Deep 2015 (Google) (ARXIV) dengan perhatian untuk proses keputusan Slate Markov dengan negara bagian dan tindakan dimensi tinggi
- 2016 (Google) (DLRS) ** [lebar & dalam] Pembelajaran luas & mendalam untuk sistem rekomendasi
- 2016 (Google) (Recsys) ** [YouTube DNN] Jaringan saraf dalam untuk rekomendasi YouTube
- 2017 (Google) (ICLR) [MOE Jarang Gated] Jaringan saraf yang sangat besar-Lapisan campuran-ekspersi yang jarang
- 2018 (Google) (CIKM) [DPP] Rekomendasi Diversifikasi Praktis di YouTube dengan Proses Titik Determinantal
- 2018 (Google) (KDD) [MMOE] Modeling Hubungan Tugas dalam Pembelajaran Multi-Task Dengan Campuran Multi-Gate
- 2019 (Google) (ARXIV) SEQ2SLATE - Optimasi ulang -peringkat dan Slate dengan RNNS
- 2019 (Google) (IJCAI) *[SlateQ] SlateQ - Dekomposisi yang dapat ditelusuri untuk pembelajaran penguatan dengan set rekomendasi
- 2019 (Google) (IJCAI) [SLATEQ] SLATEQ - Dekomposisi yang dapat ditelusuri untuk pembelajaran penguatan dengan set rekomendasi
- 2019 (Google) (Recsys) [YouTube Multi -Task] Merekomendasikan video apa yang akan ditonton selanjutnya - sistem peringkat multitask
- 2019 (Google) (WSDM) *[Top-K off-Policy] Koreksi Kebijakan Top-K untuk Sistem Rekomendasi Inforforce
- 2020 (Google) (ARXIV) Pembelajaran yang Di-swadaya untuk rekomendasi item skala besar
- 2020 (Google) (KDD) [Google Drive] Meningkatkan Kualitas Rekomendasi di Google Drive
- 2020 (Google) (KDD) [MOSE] Campuran multitask dari ahli sekuensial untuk aliran aktivitas pengguna
Jdrecsys
- 2020 (JD) (CIKM) *[DMT] Transformator multifaset yang dalam untuk peringkat multi-objektif dalam sistem rekomendasi e-commerce skala besar
- 2020 (JD) (CIKM) *[decgcn] Jaringan konvolusi grafik yang dipisahkan untuk menyimpulkan item yang dapat diganti dan komplementer
- 2020 (JD) (SIGIR) [NICF] Neural Interactive Collaborative Filtering
- 2020 (JD) (WSDM) [HUP] Profil pengguna hierarkis untuk sistem rekomendasi e-commerce
Taobaosearch
- 2018 (Alibaba) (IJCAI) secara global mengoptimalkan peringkat sadar pengaruh timbal balik dalam pencarian e-commerce
- 2018 (Alibaba) (IJCAI) [Jump] Jump - prediktor bersama untuk klik pengguna dan waktu tinggal
- 2018 (Alibaba) (KDD) [DUPN] Persepsi pengguna Anda secara mendalam - Belajar Representasi Pengguna Universal dari beberapa tugas e -commerce
- 2018 (Alibaba) (www) [MA-RDPG] Belajar untuk berkolaborasi-Peringkat multi-scenario melalui pembelajaran penguatan multi-agen
- Jaringan Perhatian Domain Cross-Domain 2019 (Alibaba) (Cikm) dengan regularer Wasserstein untuk pencarian e-commerce
- 2019 (Alibaba) (KDD) [MGTL] Permainan minimax misalnya Pembelajaran Transfer Selektif Berbasis Instalasi
- 2019 (Alibaba) (WWW) Mengagap Hasil Pencarian E-Commerce dari Sumber Heterogen melalui Pembelajaran Penguatan Hirarki
- 2020 (Alibaba) (Cikm) [Tien] Jaringan Evolusi Item yang Depel
- 2020 (Alibaba) (NIPS) Pemangkasan terstruktur level neuron menggunakan pengatur pengatur polarisasi
- 2020 (Alibaba) (www) [Marn] Pembelajaran representasi multimodal aprissial untuk prediksi tingkat klik-tayang
- 2021 (Alibaba) (AAAI) [ANPP] Proses titik saraf yang penuh perhatian untuk peramalan acara
- 2021 (Alibaba) (AAAI) [ES-DFM] menangkap umpan balik tertunda dalam prediksi tingkat konversi melalui pengambilan sampel waktu yang berlalu
- 2021 (Alibaba) (Cikm) [Zeus] Pembelajaran yang Di-swadaya pada perilaku spontan pengguna untuk peringkat multi-scenario dalam e-commerce
- 2021 (Alibaba) (KDD) [MGDSPR] Pengambilan produk berbasis embedding dalam pencarian Taobao
- 2022 (Alibaba) (Cikm) [CLE-QR] Kueri Menulis ulang dalam Pencarian Taobao
- 2022 (Alibaba) (CIKM) [MOPPR] Pengambilan produk yang dipersonalisasi multi-objektif dalam pencarian Taobao
- 2023 (Alibaba) (KDD) [ASMOL] Memikirkan kembali peran pra-peringkat dalam sistem pencarian e-commerce skala besar
