Artigos incríveis de aprendizado profundo para pesquisa, recomendação e publicidade industrial. Eles se concentram em incorporação, correspondência, classificação (previsão de CTR/CVR), pós-classificação, modelo grande (recomendação gerativa, LLM), aprendizagem por transferência, aprendizagem por reforço e assim por diante.
00_Incorporação
- 2013 (Google) (NIPS) [Word2vec] Representações Distribuídas de Palavras e Frases e sua Composicionalidade
- 2014 (KDD) [DeepWalk] DeepWalk - aprendizagem online de representações sociais
- 2015 (WWW) [LINE] LINE Incorporação de rede de informação em grande escala
- 2016 (KDD) [Node2vec] node2vec - Aprendizado de recursos escaláveis para redes
- 2017 (ICLR) [GCN] Classificação semissupervisionada com redes convolucionais de grafos
- 2017 (KDD) [Struc2vec] struc2vec - Representações de nós de aprendizagem a partir de identidade estrutural
- 2017 (NIPS) [GraphSAGE] Aprendizagem de representação indutiva em gráficos grandes
- 2018 (Airbnb) (KDD) *[Airbnb Embedding] Personalização em tempo real usando Embeddings para classificação de pesquisa no Airbnb
- 2018 (Alibaba) (KDD) *[Alibaba Embedding] Recomendação de incorporação de commodities em escala de bilhões para comércio eletrônico no Alibaba
- 2018 (ICLR) [GAT] Redes de atenção gráfica
- 2018 (Pinterest) (KDD) *[PinSage] Gráfico de redes neurais convolucionais para sistemas de recomendação em escala web
- 2018 (WSDM) [NetMF] Incorporação de rede como fatoração de matriz - Unificando deepwalk, line, pte e node2vec
- 2019 (Alibaba) (KDD) *[GATNE] Aprendizagem de Representação para Rede Heterogênea Multiplex Atribuída
01_Correspondência
- 2013 (Microsoft) (CIKM) [DSSM] Aprendendo modelos semânticos estruturados profundos para pesquisa na web usando dados de cliques
- 2015 (KDD) [Cetro] Inferindo Redes de Produtos Substituíveis e Complementares
- 2016 (Google) (RecSys) **[Youtube DNN] Redes Neurais Profundas para Recomendações do YouTube
- 2018 (Alibaba) (KDD) * [TDM] Modelo profundo baseado em árvore de aprendizagem para sistemas de recomendação
- 2018 (Pinterest) (KDD) *[PinSage] Gráfico de redes neurais convolucionais para sistemas de recomendação em escala web
- 2019 (Alibaba) (CIKM) **[MIND] Rede multiinteresse com roteamento dinâmico para recomendação em Tmall
- 2019 (Alibaba) (CIKM) *[SDM] SDM - Modelo de correspondência profunda sequencial para sistema de recomendação online em grande escala
- 2019 (Alibaba) (NIPS) *[JTM] Otimização conjunta de índice baseado em árvore e modelo profundo para sistemas de recomendação
- Pesquisa semântica de produtos 2019 (Amazon) (KDD)
- 2019 (Baidu) (KDD) *[MOBIUS] MOBIUS - Rumo à próxima geração de correspondência entre consulta e anúncio na pesquisa patrocinada do Baidu
- 2019 (Google) (RecSys) **[Duas torres] Modelagem neural com correção de viés de amostragem para recomendações de itens de corpus grandes
- 2019 (Google) (WSDM) *[Top-K Off-Policy] Correção Top-K Off-Policy para um sistema de recomendação REINFORCE
- 2019 [Tencent] (KDD) Um sistema de mineração de conceito centrado no usuário para consulta e compreensão de documentos na Tencent
- 2020 (Alibaba) (ICML) [OTM] Aprendendo modelos de árvore ideais sob pesquisa de feixe
- 2020 (Alibaba) (KDD) *[ComiRec] Estrutura de recomendação multiinteresse controlável
- 2020 (Facebook) (KDD) **[Incorporação para pesquisa no Facebook] Recuperação baseada em incorporação na pesquisa do Facebook
- 2020 (Google) (WWW) *[MNS] Amostragem negativa mista para aprendizagem de redes neurais de duas torres em recomendações
- 2020 (JD) (CIKM) *[DecGCN] Rede de Convolução de Grafo Desacoplado para Inferir Itens Substituíveis e Complementares
- 2020 (JD) (SIGIR) [DPSR] Rumo à recuperação personalizada e semântica - uma solução ponta a ponta para pesquisa de comércio eletrônico por meio de aprendizagem incorporada
- 2020 (Microsoft) (Arxiv) TwinBERT - Destilando conhecimento em modelos BERT estruturados em gêmeos para recuperação eficiente
- 2021 (Alibaba) (KDD) * [MGDSPR] Recuperação de produto baseada em incorporação na pesquisa Taobao
- 2021 (Amazon) (KDD) Aprendizado multi-rótulo extremo para correspondência semântica na pesquisa de produtos
- 2021 (Bytedance) (Arxiv) [DR] Deep Retrieval - Aprendendo uma estrutura recuperável para recomendações em grande escala
- 2022 (Alibaba) (CIKM) **[NANN] [二向箔] Pesquisa aproximada de vizinho mais próximo sob métrica de similaridade neural para recomendação em grande escala
- 2022 (Alibaba) (CIKM) [CLE-QR] Reescrita de consulta na pesquisa TaoBao
- 2022 (Alibaba) ** (CIKM) [MOPPR] Recuperação de produto personalizado multiobjetivo na pesquisa Taobao
- 2024 (Bytedance) (KDD) [Trinity] Trinity - Sincretizando Multi-: Cauda Longa: Interesses de Longo Prazo, Tudo em Um
ANN
- 2017 (Arxiv) (Meta) [FAISS] Pesquisa de similaridade em escala de bilhões com GPUs
- 2020 (PAMI) [HNSW] Pesquisa eficiente e robusta de vizinho mais próximo aproximado usando gráficos de mundo pequeno navegáveis hierárquicos
- 2021 (TPAMI) [IVF-PQ] Quantização de produto para pesquisa de vizinho mais próximo
Gráfico_Neural_Redes
- 2017 (ICLR) [GCN] Classificação semissupervisionada com redes convolucionais de grafos
- 2018 (ICLR) [GAT] Redes de atenção gráfica
- 2018 (Pinterest) (KDD) [PinSage] Gráfico de redes neurais convolucionais para sistemas de recomendação em escala web
- 2019 (Alibaba) (KDD) [IntentGC] IntentGC - uma estrutura de convolução de gráfico escalável que funde informações heterogêneas para recomendação
- 2019 (Alibaba) (KDD) [MEIRec] Rede neural de gráfico heterogêneo guiada por metapath para recomendação de intenção
- 2019 (Alibaba) (SIGIR) [GIN] Rede de intenção de gráfico para previsão de taxa de cliques em pesquisa patrocinada
- 2020 (Alibaba) (SIGIR) [ATBRG] ATBRG - Rede adaptativa de gráficos relacionais de comportamento-alvo para recomendação eficaz
02_Pré-classificação
- 2020 (Alibaba) (DLP-KDD) [COLD] COLD - Rumo à próxima geração de sistema de pré-classificação
- 2023 (Alibaba) (CIKM) [COPR] COPR - Pré-classificação orientada à consistência para publicidade online
- 2023 (Alibaba) (KDD) [ASMOL] Repensando o papel da pré-classificação no sistema de pesquisa de comércio eletrônico em grande escala
03_Classificação
- 2014 (ADKDD) (Facebook) Lições práticas de previsão de cliques em anúncios no Facebook
- 2016 (Google) (DLRS) **[Wide & Deep] Aprendizado amplo e profundo para sistemas de recomendação
- 2016 (Google) (RecSys) **[Youtube DNN] Redes Neurais Profundas para Recomendações do YouTube
- 2018 (Alibaba) (KDD) **[DIN] Deep Interest Network para previsão de taxa de cliques
- 2019 (Alibaba) (AAAI) **[DIEN] Rede de evolução profunda de juros para previsão de taxa de cliques
- 2019 (Facebook) (Arxiv) [DLRM] (Facebook) Modelo de recomendação de aprendizagem profunda para personalização e sistemas de recomendação, Facebook
- 2019 (Google) (Recsys) ** [Youtube Multi-task] Recomendando qual vídeo assistir a seguir - um sistema de classificação multitarefa
- 2020 (Alibaba) (Arxiv) ** [SIM] Modelagem de interesse do usuário baseada em pesquisa com dados de comportamento sequencial ao longo da vida para previsão da taxa de cliques
- 2020 (JD) (CIKM) **[DMT] Transformadores multifacetados profundos para classificação multiobjetivo em sistemas de recomendação de comércio eletrônico em grande escala
- 2020 (Tencent) (Recsys) ** [PLE] Extração progressiva em camadas (PLE) - um novo modelo de aprendizagem multitarefa (MTL) para recomendações personalizadas
- 2021 (Alibaba) (CIKM) * [ZEUS] Aprendizagem autosupervisionada sobre comportamentos espontâneos de usuários para classificação em vários cenários em comércio eletrônico
- 2021 (Alibaba) (CIKM) [STAR] Um modelo para atender All - Recomendador adaptativo de topologia Star para previsão de CTR de vários domínios
- 2022 (Alibaba) (Arxiv) ** [ETA] Modelagem eficiente de dados sequenciais longos do usuário para previsão da taxa de cliques
- 2022 (Alibaba) (WSDM) Modelagem de feedback contextualizado de usuários por página para previsão de taxa de cliques em pesquisa de comércio eletrônico
- 2022 (Meta) [DHEN] DHEN – Uma rede de conjunto profundo e hierárquico para previsão de taxa de cliques em grande escala
- 2022 (WWW) [FMLP] MLP aprimorado com filtro é tudo que você precisa para recomendação sequencial
- 2023 (Alibaba) (Arxiv) [ESLM] Estrutura completa de aprendizagem espacial - Previsão da taxa de conversão imparcial em estágios completos do sistema de recomendação
- 2023 (Google) (Arxiv) No chão de fábrica - Engenharia de ML para modelos de recomendação de anúncios em escala industrial
- 2023 (Kuaishou) (Arixiv) [TWIN] TWIN - Rede de interesse em dois estágios para modelagem de comportamento do usuário ao longo da vida na previsão de CTR em Kuaishou
- 2023 (Kuaishou) (KDD) [PEPNet] PEPNet - Parâmetro e incorporação de rede personalizada para infusão de informações prévias personalizadas
- 2024 (Kuaishou) (CIKM) [TWINv2] TWIN V2 - Dimensionamento da modelagem de sequência de comportamento do usuário ultralonga para previsão aprimorada de CTR em Kuaishou
- 2024 (Tencent) (KDD) [LCN] Modelagem sequencial vitalícia entre domínios para previsão de taxa de cliques on-line
Clássico
- 2003 (Amazon) (IEEE) [CF] Recomendações da Amazon.com - Filtragem colaborativa item a item
- 2009 (Computador) [MF] Técnicas de fatoração de matriz para sistemas de recomendação
- 2016 (ICLR) [GRU4Rec] Recomendações baseadas em sessão com redes neurais recorrentes
- 2017 (Amazon) (IEEE) Duas décadas de sistemas de recomendação na Amazon.com
DNN
- 2019 (KDD) (Airbnb) Aplicando aprendizado profundo à pesquisa do Airbnb
- 2020 (Airbnb) (KDD) Melhorando o aprendizado profundo para pesquisa no Airbnb
Problema de feedback atrasado
- 2008 (KDD) Classificadores de aprendizagem apenas a partir de dados positivos e não rotulados
- 2014 (Criteo) (KDD) [DFM] Modelagem de feedback atrasado em publicidade gráfica
- 2018 (Arxiv) [NoDeF] Um modelo de feedback atrasado não paramétrico para previsão de taxa de conversão
- 2019 (Twitter) (RecSys) Abordando feedback atrasado para treinamento contínuo com redes neurais na previsão de CTR
- Modelo de feedback atrasado 2020 (AdKDD) com regressão binomial negativa para múltiplas conversões
- 2020 (JD) (IJCAI) [TS-DL] Um modelo baseado em atenção para previsão de taxa de conversão com feedback atrasado por meio de calibração pós-clique
- 2020 (SIGIR) [DLA-DF] Algoritmo de aprendizagem dupla para conversões atrasadas
- 2020 (WWW) [FSIW] Uma correção de mudança de feedback na previsão de taxas de conversão sob feedback atrasado
- 2021 (Alibaba) (AAAI) [ES-DFM] Capturando feedback atrasado na previsão da taxa de conversão por meio de amostragem de tempo decorrido
- 2021 (Alibaba) (AAAI) [ESDF] Modelagem de feedback atrasado para a previsão da taxa de conversão de todo o espaço
- 2021 (Alibaba) (Arxiv) [Adiar] Negativos reais são importantes - Treinamento contínuo com negativos reais para modelagem de feedback retardado
- 2021 (Google) (Arxiv) Lidando com muitas conversões por clique na modelagem de feedback atrasado
- 2021 (Tencent) (SIGIR) Modificação de recompensa contrafactual para recomendação de streaming com feedback atrasado
- 2022 (Alibaba) (WWW) [DEFUSE] Estimativa assintoticamente imparcial para modelagem de feedback atrasado por meio de correção de rótulo
Cruzamento de recursos
- 2010 (ICDM) [FM] Máquinas de fatoração
- 2013 (Google) (KDD) [LR] Previsão de cliques em anúncios – uma visão das trincheiras
- 2016 (Arxiv) [PNN] Redes Neurais Baseadas em Produtos para Previsão de Resposta do Usuário
- 2016 (Criteo) (Recsys) [FFM] Máquinas de fatoração com reconhecimento de campo para previsão de CTR
- 2016 (ECIR) [FNN] Aprendizado profundo sobre dados categóricos multicampos – um estudo de caso sobre previsão de resposta do usuário
- 2016 (KDD) [Deepintent] Deepintent - Aprendendo atenções para publicidade online com redes neurais recorrentes
- 2016 (Microsoft) (KDD) [Deep Crossing] Deep Crossing - Modelagem em escala da Web sem recursos combinatórios criados manualmente
- 2017 (Google) (ADKDD) [DCN] Deep & CrossNetwork para previsões de cliques em anúncios
- 2017 (Huawei) (IJCAI) [DeepFM] DeepFM - Uma rede neural baseada em máquina de fatoração para previsão de CTR
- 2017 (IJCAI) [AFM] Máquinas de fatoração atencional aprendendo o peso das interações de recursos por meio de redes de atenção
- 2017 (SIGIR) [NFM] Máquinas de fatoração neural para análise preditiva esparsa
- 2017 (WWW) [NCF] Filtragem Colaborativa Neural
- 2018 (CVPR) * [SENet] Redes de compressão e excitação
- 2018 (Google) (WSDM) [Cruz Latente] Cruz Latente Fazendo Uso de Contexto em Sistemas de Recomendação Recorrentes
- 2018 (KDD) [xDeepFM] xDeepFM - Combinando interações de recursos explícitas e implícitas para sistemas de recomendação
- 2018 (TOIS) [PNN] Redes Neurais Baseadas em Produtos para Previsão de Resposta do Usuário em Dados Categóricos de Vários Campos
- 2019 (CIKM) ** [AutoInt] AutoInt - Aprendizagem automática de interação de recursos por meio de redes neurais autoatentivas
- 2019 (Huawei) (WWW) [FGCNN] Geração de recursos por rede neural convolucional para previsão de taxa de cliques
- 2019 (Sina) (Arxiv) [FAT-DeepFFM] FAT-DeepFFM - Máquina de fatoração com reconhecimento de campo profundo e atenta ao campo
- 2019 (Sina) (Recsys) [FiBiNET] FiBiNET - combinando importância de recursos e interação bilinear de recursos para previsão de taxa de cliques
- 2019 (Tencent) (AAAI) [IFM] Máquinas de fatoração com reconhecimento de interação para sistemas de recomendação
- 2020 (Baidu) (KDD) [CAN] Rede de atenção combinada para publicidade em vídeo do Baidu
- 2021 (Google) (WWW) * [DCN V2] DCN V2 - Rede profunda e cruzada aprimorada e lições práticas para aprendizagem em escala web para classificar sistemas
- 2022 (Alibaba) (WSDM) * [CAN] CAN – Apresenta rede de coação para previsão de taxa de cliques
- 2023 (CIKM) * [GDCN] Rumo a uma rede cruzada mais profunda, leve e interpretável para previsão de CTR
- 2023 (Sina) (CIKM) [FiBiNet++] FiBiNet++ - Reduzindo o tamanho do modelo por camada de interação de recursos de baixa classificação para previsão de CTR
- 2023 (Sina) (CIKM) [MemoNet] MemoNet - Memorizando representações de todos os recursos cruzados de maneira eficiente por meio de rede de livro de códigos multi-hash para previsão de CTR
Modelagem de sequência de longo prazo
- 2019 (Alibaba) (KDD) [MIMN] Prática em modelagem sequencial longa de comportamento do usuário para previsão de taxa de cliques
- 2019 (Google) (WWW) Rumo ao recomendador de mistura neural para sequências de usuários dependentes de longo alcance
- 2020 (Alibaba) (Arxiv) ** [SIM] Modelagem de interesse do usuário baseada em pesquisa com dados de comportamento sequencial ao longo da vida para previsão da taxa de cliques
- Reformador 2020 (ICLR) – O Transformador Eficiente
- 2020 (SIGIR) [UBR4CTR] Recuperação do comportamento do usuário para previsão da taxa de cliques
- 2021 (Alibaba) (Arxiv) [ETA] Recuperação de comportamento do usuário de ponta a ponta no modelo de previsão de taxa de cliques
- 2022 (Alibaba) (Arxiv) ** [ETA] Modelagem eficiente de dados sequenciais longos do usuário para previsão da taxa de cliques
- 2022 (Meituan) (CIKM) [SDIM] A amostragem é tudo que você precisa para modelar comportamentos de usuário de longo prazo para previsão de CTR
- 2023 (Kuaishou) (Arixiv) [TWIN] TWIN - Rede de interesse em dois estágios para modelagem de comportamento do usuário ao longo da vida na previsão de CTR em Kuaishou
- 2023 (Kuaishou) (CIKM) [QIN] Rede de interesse do usuário com consulta dominante para classificação de pesquisa em grande escala
- 2024 (Kuaishou) (CIKM) [TWINv2] TWIN V2 - Dimensionamento da modelagem de sequência de comportamento do usuário ultralonga para previsão aprimorada de CTR em Kuaishou
- 2024 (Tencent) (KDD) [LCN] Modelagem sequencial vitalícia entre domínios para previsão de taxa de cliques on-line
Perda
- 2024 (Tencent) (KDD) Compreendendo a perda de classificação para recomendação com feedback esparso do usuário
- 2024 (Tencent) (KDD) [BBP] Além da preferência binária - aproveitando abordagens bayesianas para otimização conjunta de classificação e calibração
Multimodal
- 2018 (Alibaba) (CIKM) [Image CTR] Image Matters - Modelagem visual do comportamento do usuário usando Advanced Model Server
- 2020 (Alibaba) (WWW) [MARN] Aprendizagem de representação multimodal adversária para previsão de taxa de cliques
Multi-domínio-Multi-cenário
- 2014 (TASLP) * [LHUC] Contribuições da Unidade Oculta de Aprendizagem para Adaptação de Modelo Acústico Não Supervisionado
- 2015 (Microsoft) (WWW) Uma abordagem de aprendizado profundo multivisualização para modelagem de usuários entre domínios em sistemas de recomendação
- 2018 (Google) (KDD) ** [MMoE] Modelagem de relacionamentos de tarefas em aprendizagem multitarefa com mistura de especialistas em múltiplas portas
- 2019 (Alibaba) (CIKM) [WE-CAN] Rede de atenção entre domínios com regularizadores Wasserstein para pesquisa de comércio eletrônico
- 2020 (Alibaba) (Arxiv) [SAML] Abordagem com reconhecimento de cenário e baseada em mútuo para recomendação de vários cenários no comércio eletrônico
- 2020 (Alibaba) (CIKM) [HMoE] Melhorando o aprendizado em vários cenários para classificação no comércio eletrônico, explorando relacionamentos de tarefas no espaço de rótulos
- 2020 (Alibaba) (CIKM) [MiNet] MiNet - Rede de interesse misto para previsão de taxa de cliques entre domínios
- 2020 (Tencent) (Recsys) ** [PLE] Extração progressiva em camadas (PLE) - um novo modelo de aprendizagem multitarefa (MTL) para recomendações personalizadas
- 2021 (Alibaba) (CIKM) * [ZEUS] Aprendizagem autosupervisionada sobre comportamentos espontâneos de usuários para classificação em vários cenários em comércio eletrônico
- 2021 (Alibaba) (CIKM) ** [STAR] Um modelo para atender a todos - Recomendador adaptativo de topologia Star para previsão de CTR de vários domínios
- 2022 (Alibaba) (CIKM) AdaSparse - Aprendendo estruturas adaptativamente esparsas para previsão de taxa de cliques em vários domínios
- 2022 (Alibaba) (NIPS) ** [APG] APG - Rede adaptativa de geração de parâmetros para previsão de taxa de cliques
- 2023 (Alibaba) (CIKM) [HC2] Restrições contrastivas híbridas para classificação de anúncios em vários cenários
- 2023 (Alibaba) (CIKM) [MMN] Rede multidomínio mascarada - previsão da taxa de conversão de vários tipos e vários cenários com um único modelo
- 2023 (Alibaba) (CIKM) [Rec4Ad] Rec4Ad - Um almoço grátis para mitigar o preconceito de seleção de amostras para previsão de CTR de anúncios no Taobao
- 2023 (Alibaba) (SIGIR) [MARIA] Classificação multicenária com aprendizagem de recursos adaptativos
- 2023 (CIKM) [HAMUR] HAMUR - Hiper adaptador para recomendação multidomínio
- 2023 (Huawei) (CIKM) [DFFM] DFFM - Modelagem de recursos facilitada por domínio para previsão de CTR
- 2023 (Kuaishou) (KDD) * [PEPNet] PEPNet - Parâmetro e incorporação de rede personalizada para infusão de informações prévias personalizadas
- 2023 (Tencent) (KDD) Interação de recurso adaptativo ao cenário para previsão da taxa de cliques
- 2024 (Alibaba) (CIKM) * [MultiLoRA] MultiLoRA - Adaptação multidirecional de baixa classificação para recomendação de vários domínios
- 2024 (Alibaba) (RecSys) * [MLoRA] MLoRA - Rede adaptativa multidomínio de baixa classificação para previsão de taxa de cliques
- 2024 (Kuaishou) (SIGIR) [M3oE] M3oE - Estrutura de recomendação de mistura de especialistas multidomínio e multitarefa
- 2024 (Tencent) (KDD) [LCN] Modelagem sequencial vitalícia entre domínios para previsão de taxa de cliques on-line
- 2024 (WSDM) Explorando a aprendizagem por transferência baseada em adaptador para sistemas de recomendação - estudos empíricos e insights práticos
Multitarefa
- (2018) (ICML) GradNorm - Normalização de gradiente para balanceamento de perdas adaptativo em redes multitarefa profundas
- 2014 (TASLP) [LHUC] Contribuições da Unidade Oculta de Aprendizagem para Adaptação de Modelo Acústico Não Supervisionado
- 2017 (Google) (ICLR) [MOE com portas esparsas] Redes neurais escandalosamente grandes - A camada de mistura de especialistas com portas esparsas
- 2018 (Alibaba) (KDD) [DUPN] Perceba seus usuários em profundidade - Aprendendo representações universais de usuários em múltiplas tarefas de comércio eletrônico
- 2018 (Alibaba) (SIGIR) [ESMM] Modelo multitarefa de espaço inteiro - uma abordagem eficaz para estimar a taxa de conversão pós-clique
- 2018 (CVPR) Aprendizado multitarefa usando incerteza para pesar perdas para geometria e semântica de cena
- 2018 (Google) (KDD) ** [MMoE] Modelagem de relacionamentos de tarefas em aprendizagem multitarefa com mistura de especialistas em múltiplas portas
- 2019 (Alibaba) (CIKM) Previsões de vendas baseadas em múltiplas tarefas para promoções online
- 2019 (Alibaba) (Recys) Um algoritmo eficiente de Pareto para otimização de objetivos múltiplos em recomendação de comércio eletrônico
- 2019 (Google) (AAAI) Roteamento de sub-rede SNR para compartilhamento flexível de parâmetros em aprendizagem multitarefa
- 2019 (Google) (Recsys) ** [Youtube Multi-task] Recomendando qual vídeo assistir a seguir - um sistema de classificação multitarefa
- 2019 (NIPS) Aprendizagem Multitarefa Pareto
- 2020 (Alibaba) (SIGIR) [ESM2] Modelagem multitarefa de espaço inteiro por meio de decomposição de comportamento pós-clique para previsão da taxa de conversão
- 2020 (Alibaba) (WWW) Abordagens causais em grande escala para eliminar a estimativa da taxa de conversão pós-clique com aprendizagem multitarefa
- 2020 (Amazon) (WWW) Otimização de classificação multiobjetivo para pesquisa de produtos usando agregação estocástica de rótulos
- 2020 (Google) (KDD) [MoSE] Mistura multitarefa de especialistas sequenciais para fluxos de atividades do usuário
- 2020 (JD) (CIKM) *[DMT] Transformadores multifacetados profundos para classificação multiobjetivo em sistemas de recomendação de comércio eletrônico em grande escala
- 2020 (Tencent) (Recsys) ** [PLE] Extração progressiva em camadas (PLE) - um novo modelo de aprendizagem multitarefa (MTL) para recomendações personalizadas
- 2021 (Alibaba) (SIGIR) [HM3] Modelagem hierárquica de comportamentos micro e macro por meio de aprendizagem multitarefa para previsão da taxa de conversão
- 2021 (Alibaba) (SIGIR) [MSSM] MSSM - Um modelo de compartilhamento esparso de vários níveis para aprendizagem multitarefa eficiente
- 2021 (Baidu) (SIGIR) [GemNN] GemNN - Redes neurais multitarefa aprimoradas por Gating com aprendizagem de interação de recursos para previsão de CTR
- 2021 (Google) (Arxiv) [DSelect-k] Seleção diferenciável DSelect-k na mistura de especialistas com aplicações para aprendizagem multitarefa
- 2021 (Google) (ICLR) Transformadores HyperGrid - Rumo a um modelo único para múltiplas tarefas
- 2021 (Google) (KDD) Compreendendo e melhorando as compensações entre justiça e precisão na aprendizagem multitarefa
- 2021 (JD) (ICDE) Mistura adversária de especialistas com restrição suave de hierarquia de categorias
- 2021 (Kwai) (Arxiv) [POSO] POSO - Módulos de partida a frio personalizados para sistemas de recomendação em larga escala
- 2021 (Meituan) (KDD) Modelagem da dependência sequencial entre conversões de várias etapas do público com aprendizagem multitarefa em publicidade gráfica direcionada
- 2021 (Tencent) (Arxiv) Mistura de especialistas em kernel virtual para modelagem de perfil de usuário multiobjetivo
- 2021 (Tencent) (WWW) Recomendação personalizada aproximada de eficiência de Pareto
- 2022 (Google) (WWW) As cabeças pequenas podem ajudar? Compreendendo e melhorando a generalização multitarefa
- 2023 (Airbnb) (KDD) Otimizando a jornada de pesquisa do Airbnb com aprendizagem multitarefa
- 2023 (Alibaba) (CIKM) [DTRN] Rede de representação inferior específica de tarefas profundas para recomendação multitarefa
- 2023 (Google) (CIKM) Sistema de classificação multitarefa para feed imersivo e sem mais cliques - um estudo de caso de recomendação de vídeo curto
- 2023 (Google) (KDD) Melhorando a estabilidade do treinamento para modelos de classificação multitarefa em sistemas de recomendação
- 2023 (Meta) (KDD) AdaTT - Rede Adaptativa de Fusão Tarefa a Tarefa para Aprendizagem Multitarefa em Recomendações
- 2024 (Airbnb) (KDD) Aprendizagem multiobjetivo para classificar por modelo de destilação
- 2024 (Kuaishou) (KDD) [GradCraft] GradCraft - Elevando recomendações multitarefa por meio da elaboração holística de gradiente
- 2024 (Kuaishou) [HoME] HoME - Hierarquia de especialistas multi-portas para aprendizagem multitarefa em Kuaishou
- 2024 (Shopee) (KDD) [ResFlow] Aprendiz multitarefa residual para classificação aplicada
- 2024 (Tencent) (KDD) [STEM] Recomendação de anúncios em um mundo em colapso e emaranhado
Pré-treino
- 2019 (Alibaba) (IJCAI) [DeepMCP] Previsão da taxa de cliques assistida por aprendizagem de representação
- 2019 (SIGIR) [BERT4Rec] (Alibaba) (SIGIR2019) BERT4Rec - Recomendação sequencial com representações de codificador bidirecional do transformador
Modelagem de Sequência
- 2016 (Google) (RecSys) **[Youtube DNN] Redes Neurais Profundas para Recomendações do YouTube
- 2017 (Google) (NIPS) ** Atenção é tudo que você precisa
- 2018 (Alibaba) (KDD) **[DIN] Deep Interest Network para previsão de taxa de cliques
- 2018 (Alibaba) (KDD) [DUPN] Perceba seus usuários em profundidade - Aprendendo representações universais de usuários em múltiplas tarefas de comércio eletrônico
- 2019 (Alibaba) (AAAI) **[DIEN] Rede de evolução profunda de juros para previsão de taxa de cliques
- 2019 (Alibaba) (IJCAI) [DSIN] Rede profunda de interesse de sessão para previsão de taxa de cliques
- 2019 (Alibaba) (KDD) [BST] Transformador de sequência de comportamento para recomendação de comércio eletrônico no Alibaba
- 2019 (Alibaba) (KDD) [DSTN] Redes neurais espaço-temporais profundas para previsão de taxa de cliques
- 2019 (Alibaba) (WWW) [TiSSA] TiSSA - Uma abordagem de autoatenção de intervalo de tempo para modelar comportamentos sequenciais do usuário
- 2019 (Tencent) (KDD) [RALM] TModelo semelhante baseado em atenção em tempo real para sistema de recomendação
- 2020 (Alibaba) (SIGIR) [DHAN] Profundo interesse com rede de atenção hierárquica para previsão da taxa de cliques
- 2020 (Google) (KDD) [Google Drive] Melhorando a qualidade das recomendações no Google Drive
- 2020 (JD) (CIKM) **[DMT] Transformadores multifacetados profundos para classificação multiobjetivo em sistemas de recomendação de comércio eletrônico em grande escala
- 2020 (JD) (NIPS) [KFAtt] Kalman Filtrando Atenção para Modelagem de Comportamento do Usuário na Previsão de CTR
- 2020 (JD) (WSDM) [HUP] Perfil hierárquico de usuário para sistemas de recomendação de comércio eletrônico
- 2022 (Alibaba) (WSDM) Modelagem de feedback contextualizado de usuários por página para previsão de taxa de cliques em pesquisa de comércio eletrônico
- 2022 (JD) (WWW) Modelagem implícita de reconhecimento do usuário por meio de itens candidatos para previsão de CTR em anúncios de pesquisa
- 2023 (JD) (CIKM) [IUI] IUI - Modelagem de interesse do usuário com intenção aprimorada para previsão da taxa de cliques
- 2023 (Meituan) (CIKM) [DCIN] Rede de interesse de contexto profundo para previsão de taxa de cliques
- 2023 (Pinterest) (KDD) TransAct - modelo de ação do usuário em tempo real baseado em transformador para recomendação no Pinterest
Acionar
- 2022 (Alibaba) (WWW) Rede de destaque de interesse profundo para previsão de taxa de cliques em recomendação induzida por gatilho
04_Pós-classificação
- 1998 (SIGIR) ** [MRR] O uso de MMR, reclassificação baseada na diversidade para reordenar documentos e produzir resumos
- 2005 (WWW) Melhorando as listas de recomendações por meio da diversificação de tópicos
- 2008 (SIGIR) [α-NDCG] Novidade e Diversidade na Avaliação da Recuperação de Informação
- 2009 (Microsoft) (WSDM) Diversificando os resultados da pesquisa
- 2010 (WWW) Explorando reformulações de consulta para diversificação de resultados de pesquisa na Web
- 2016 (Amazon) (RecSys) Diversidade adaptativa e personalizada para descoberta visual
- 2017 (Hulu) (NIPS) [DPP] Inferência rápida e gananciosa de MAP para processo de ponto determinante para melhorar a diversidade de recomendações
- 2018 (Alibaba) (IJCAI) Classificação globalmente otimizada de reconhecimento de influência mútua em pesquisa de comércio eletrônico
- 2018 (Alibaba) (IJCAI) [Alibaba GMV] Classificação globalmente otimizada de reconhecimento de influência mútua em pesquisa de comércio eletrônico
- 2018 (Google) (CIKM) [DPP] Recomendações Práticas Diversificadas no YouTube com Processos de Ponto Determinante
- 2018 (SIGIR) [DLCM] Aprendendo um modelo de contexto Listwise profundo para refinamento de classificação
- 2019 (Alibaba) (WWW) [RL baseado em valor] Recomendação consciente do valor baseada na maximização do lucro de reforço
- 2019 (Alibaba) (KDD) [GAttN] Recomendação Exact-K via Otimização Máxima de Clique
- 2019 (Alibaba) (RecSys) ** [PRM] Reclassificação personalizada para recomendação
- 2019 (Google) (Arxiv) Aprendizado por reforço para sistemas de recomendação baseados em ardósia - uma decomposição tratável e metodologia prática
- 2019 (Google) (Arxiv) Seq2slate - Reclassificação e otimização de slate com rnns
- 2019 (Google) (IJCAI) [SlateQ] SLATEQ - Uma decomposição tratável para aprendizagem por reforço com conjuntos de recomendações
- 2019 (Google) (WSDM) [Top-K Off-Policy] Correção Top-K Off-Policy para um sistema de recomendação REINFORCE
- 2020 (Airbnb) (KDD) Gerenciando a Diversidade na Pesquisa do Airbnb
- 2020 (Alibaba) (CIKM) [EdgeRec] EdgeRec - Sistema de recomendação on Edge em Mobile Taobao
- 2020 (Huawei) (Arxiv) Reclassificação personalizada para melhorar a diversidade em sistemas de recomendação ao vivo
- 2021 (Alibaba) (Arxiv) [PRS] Revisitar o sistema de recomendação na perspectiva de permutação
- Modelos de resposta do usuário 2021 (Google) (WSDM) para melhorar um sistema de recomendação REINFORCE
- 2021 (Microsoft) Diversidade em movimento! Streaming de processos de ponto determinante sob um objetivo de cardinalidade máxima induzida
- 2023 (Amazon) (KDD) RankFormer - Listwise aprendendo a classificar usando rótulos Listwide
- 2023 (Meituan) (KDD) PIER - Estrutura de reclassificação ponta a ponta baseada em juros em nível de permutação no comércio eletrônico
- 2024 (Kuaishou) (KDD) [NAR4Rec] Modelos gerativos não autorregressivos para recomendação de reclassificação
Seq2Slate
- 2015 (Google) (Arxiv) Aprendizagem por Reforço Profundo em Grandes Espaços de Ação Discreta
- 2015 (Google) (Arxiv) Aprendizado de reforço profundo com atenção para processos de decisão de Slate Markov com estados e ações de alta dimensão
- 2017 (KDD) [DCM] Modelo de escolha profunda usando redes de ponteiros para previsão de itinerários de companhias aéreas
- 2018 (Microsoft) (EMNLP) [RL4NMT] Um estudo de aprendizagem por reforço para tradução automática neural
- 2019 (Google) (Arxiv) Seq2slate - Reclassificação e otimização de slate com rnns
05_Relevância
- 2020 (ICLR) [StructBERT] StructBERT - Incorporando estruturas de linguagem no pré-treinamento para compreensão profunda da linguagem
- 2021 (Alibaba) (WWW) Aprendendo um modelo de relevância do produto a partir de dados de cliques no comércio eletrônico
- 2023 (Meituan) (CIKM) [SPM] SPM - Pré-treinamento estruturado e arquiteturas de correspondência para modelagem de relevância na pesquisa Meituan
06_Cascata
- 2023 (Alibaba) (CIKM) [COPR] COPR - Pré-classificação orientada à consistência para publicidade online
- 2023 (Alibaba) (KDD) [ASMOL] Repensando o papel da pré-classificação no sistema de pesquisa de comércio eletrônico em grande escala
07_Modelo_Grande
- 2019 (CIKM) [AutoInt] AutoInt - Aprendizagem automática de interação de recursos por meio de redes neurais autoatentivas
- 2020 (Arxiv) Leis de escala para modelos de linguagem neural
- 2022 (Arxiv) (Meta) DHEN - Uma rede de conjunto profundo e hierárquico para previsão de taxa de cliques em grande escala
- 2024 (Arxiv) (Bytedance) [HLLM] HLLM - Aprimorando recomendações sequenciais por meio de modelos hierárquicos de linguagem grande para modelagem de itens e usuários
- 2024 (Arxiv) ** (Meta) [GR] Ações falam mais alto que palavras - transdutores sequenciais de trilhões de parâmetros para recomendações gerativas
- 2024 (PMLR) (Meta) [Wukong] Wukong - Rumo a uma lei de escalonamento para recomendações em larga escala
cv
- 2014 (ICML) [VAE] Bayes Variacional de Codificação Automática
- 2014 (NIPS) [GAN] Redes Adversariais Gerativas
- 2017 (NIPS) [VQ-VAE] Aprendizagem de representação neural discreta
- 2020 (NIPS) [Difusão] Eliminação de Ruído Modelos Probabilísticos de Difusão
Aprendizado_profundo
- 2012 (NIPS) [CNN] Classificação ImageNet com Redes Neurais Convolucionais Profundas
- 2014 (JMLR) [Dropout] Dropout - Uma maneira simples de evitar overfitting de redes neurais
- 2015 (Google) (JMLR) [BatchNorm] Normalização em lote - Acelerando o treinamento profundo da rede reduzindo a mudança interna de covariáveis
- 2015 (OpenAI) (ICLR) [Adam] Adam - Um Método para Otimização Estocástica
- 2016 (CVPR) [ResNet] Aprendizado residual profundo para reconhecimento de imagens
- 2016 (OpenAI) (NIPS) [Norma de Peso] Normalização de Peso - Uma Reparametrização Simples para Acelerar o Treinamento de Redes Neurais Profundas
- 2017 (Arxiv) [LayerNorm] Normalização de camada
- 2017 (Google) (NIPS) [Transformer] Atenção é tudo que você precisa
LLM
- 2013 (Google) (NIPS) [Word2vec] Representações Distribuídas de Palavras e Frases e sua Composicionalidade
- 2014 (Google) (NIPS) [Seq2Seq] Aprendizado de sequência em sequência com redes neurais
- 2017 (Google) (NIPS) [Transformer] Atenção é tudo que você precisa
- 2017 (OpenAI) (NIPS) [RLHF] Aprendizagem por reforço profundo a partir das preferências humanas
- 2018 (OpenAI) (Arxiv) [GPT] Melhorando a compreensão da linguagem por meio de pré-treinamento generativo
- 2019 (Google) (NAACL) [Bert] BERT - Pré-treinamento de transformadores bidirecionais profundos para compreensão de linguagem
- 2019 (OpenAI) (Arxiv) [GPT2] Modelos de linguagem são alunos multitarefa não supervisionados
- 2020 (Arxiv) Leis de escala para modelos de linguagem neural
- 2020 (OpenAI) (Arxiv) [GPT3] Modelos de linguagem são aprendizes rápidos
- 2021 (Microsoft) (Arxiv) [LoRA] LoRA - Adaptação de baixa classificação de grandes modelos de linguagem
- 2022 (Google) (JMLR) [SwitchTransfomers] Switch Transformers - Dimensionando para trilhões de modelos de parâmetros com dispersão simples e eficiente
- 2022 (Google) (NIPS) [ChainOfThought] A solicitação de cadeia de pensamento provoca raciocínio em grandes modelos de linguagem
- 2022 (Google) (TMLR) [Emergente] Habilidades emergentes de grandes modelos de linguagem
- 2022 (OpenAI) (Arxiv) [InstructGPT] Treinamento de modelos de linguagem para seguir instruções com feedback humano
- 2023 (Meta) (Arxiv) [LLaMA] LLaMA - Modelos de linguagem básicos abertos e eficientes
- 2023 (OpenAI) (Arxiv) [GPT4] Relatório Técnico GPT-4
MOE
- 2017 (Google) (ICLR) [MOE com portas esparsas] Redes neurais escandalosamente grandes - A camada de mistura de especialistas com portas esparsas
- 2018 (Google) (KDD) ** [MMoE] Modelagem de relacionamentos de tarefas em aprendizagem multitarefa com mistura de especialistas em múltiplas portas
- 2022 (Google) (JMLR) [SwitchTransfomers] Switch Transformers - Dimensionando para trilhões de modelos de parâmetros com dispersão simples e eficiente
- 2022 (Meta) (EMNLP) Modelagem Eficiente de Linguagem em Grande Escala com Misturas de Especialistas
- 2024 (Google) (ICLR) De misturas esparsas a suaves de especialistas
Multimodal
- 2020 (Google) (ICLR) [ALBERT] ALBERT - Um Lite BERT para aprendizagem autosupervisionada de representações de linguagem
- 2021 (Google) (ICLR) [VIT] Uma imagem vale 16x16 palavras - Transformers para reconhecimento de imagem em escala
- 2021 (OpenAI) (ICML) [clipe] Aprendizando modelos visuais transferíveis da supervisão da linguagem natural
Self_supervised_learning
- 2020 (Alibaba) (AAAI) [DMR] Match Deep para classificar o modelo para previsão de taxa de cliques personalizados
- 202.
- 2020 (Alibaba) (KDD) Destambia a auto-supervisão em recomendadores seqüenciais
- 2020 (ARXIV) UserBert - Aprendizagem de representação do usuário auto -supervisionada
- 2020 (ARXIV) [SGL] Aprendizagem gráfica auto-supervisionada para recomendação
- 2020 (CIKM) [S3REC] S3-REC-Aprendizagem auto-supervisionada para recomendação seqüencial com maximização de informações mútuas
- 2020 (EMNLP) [PTUM] PTUM-Modelo de usuário pré-treinamento de comportamentos de usuário não marcados via auto-supervisão
- 2020 (Sigir) Aprendizagem de reforço auto-supervisionada para sistemas de recomendação
- 2020 (XIANGNAN HE) (ARXIV) Aprendizagem gráfica auto-supervisionada para recomendação
- 2021 (Alibaba) (ARXIV) [CLREC] Aprendizagem contrastiva para geração de candidatos em grande escala em sistemas de recomendação em larga escala
- 2021 (Alibaba) (CIKM) * [Zeus] Aprendizagem auto-supervisionada sobre os comportamentos espontâneos dos usuários para o ranking multi-cenário no comércio eletrônico
- 2021 (Alibaba) (www) Pré-treinamento contrastante para recomendação seqüencial
- 2021 (Google) (CIKM) Aprendizagem auto-supervisionada para recomendações de itens em larga escala
- 2021 (WSDM) [Prop] Prop-pré-treinamento com previsão de palavras representativas para recuperação ad-hoc
08_Transfer_learning
- 2014 (Google) (NIPS) [Destilação de Knoledge] Destilando o conhecimento em uma rede neural
- 2015 (ICLR) [FitNets] FitNets - Dicas para redes profundas finas
- 2018 (Alibaba) (AAAI) [foguete] lançamento de foguete - uma estrutura universal e eficiente para o treinamento da rede leve de bom desempenho
- 2018 (KDD) [destilação de classificação] Destilação de classificação - Aprendendo modelos de classificação compacta com alto desempenho para o sistema de recomendação
- 2019 (ICCV) [RCO] Destilação de conhecimento por meio de otimização restrita de rota
- 2020 (Alibaba) (KDD) *[Recursos privilegiados destilação] Recursos privilegiados Destilação em recomendações de Taobao
Domínio cruzado
- 2015 (Microsoft) (www) Uma abordagem de aprendizado profundo de várias visualizações para modelagem de usuários de domínio cruzado em sistemas de recomendação
- 2016 (JMLR) Treinamento de Domain-Adversário de Redes Neurais
- 2018 (CIKM) CONET - Redes cruzadas colaborativas para recomendação de domínio cruzado
- 2019 (Alibaba) (CIKM) [WE-Can] Rede de atenção cruzada com Wasserstein regularizadores para pesquisa de comércio eletrônico
- 2019 (Alibaba) (KDD) [MGTL] Um jogo mínimo, por exemplo, aprendizado seletivo baseado em transferência
- 2019 (CIKM) DTCDR-Uma estrutura para recomendação de domínio cruzado de alvo duplo
- 2020 (Alibaba) (CIKM) [Minet] Minet-Rede de interesse misto para previsão de taxa de cliques de domínio cruzado
- 2020 (WSDM) DDTCDR - Recomendação de domínio cruzado de transferência dupla profunda
Meta-aprendizado
- 2019 (Alibaba) (KDD) [S_2META] Learner de Meta específico para cenário seqüencial para recomendação on-line
- 2020 (Kuaishou) (Sigir) [SML] Como treinar o sistema de recomendação? Um método de meta-aprendizagem seqüencial
Transferir
- 2018 (CVPR) Parametrização eficiente de redes neurais profundas de vários domínios
- 2019 (ICML) Learning de transferência com eficiência de parâmetro para PNL
- 2020 (Tencent) (Sigir) [PETERREC] Transferência eficiente em parâmetro de comportamentos seqüenciais para modelagem e recomendação do usuário
09_Reinforcement_learning
- 2010 (Yahoo) (www) [Linucb] Uma abordagem de bandita contextual para recomendação de artigos de notícias personalizadas
- 2018 (Alibaba) (KDD) Aprendizagem de reforço para classificar em formalização, análise e aplicação do mecanismo de pesquisa de comércio eletrônico
- 2018 (Spotify) (Recsys) [Spotify Bandit] Explore, explorar e explicar recomendações de personalização explicáveis com bandidos
- 2018 [Microsoft] (www) [DRN] DRN - Uma estrutura de aprendizado de reforço profundo para recomendação de notícias
- 2019 (Alibaba) (www) [HRL] Agregando os resultados da pesquisa de comércio eletrônico de fontes heterogêneas por meio de aprendizado hierárquico de reforço
- 2019 (Google) (ijcai) *[Slateq] Slateq - Uma decomposição tratável para aprendizado de reforço com conjuntos de recomendação
- 2019.
- 2019 (JD) (KDD) [FEEDREC] Aprendizagem de reforço para otimizar o envolvimento de usuários de longo prazo em sistemas de recomendação
- 2019 (Sigweb) Aprendizagem de reforço profundo para pesquisa, recomendação e publicidade on -line - uma pesquisa
- 2020 (Bytedance) (KDD) [RAM] aprendendo em conjunto a recomendar e anunciar
- 2020 (JD) (SIGIR) [NICF] Filtragem colaborativa interativa neural
Conferência
KDD2023
- 2023 (Airbnb) (KDD) otimizando a jornada de pesquisa do Airbnb com aprendizado de várias tarefas
- 2023 (Alibaba) (KDD) Capturando a flutuação da taxa de conversão durante as promoções de vendas - uma nova abordagem de reutilização de dados históricos
- 2023 (Amazon) (KDD) RankFormer-Listwise Learning-To-Rank usando rótulos de listagem
- 2023 (Baidu) (KDD) Aprendendo representações de documentos discretos na pesquisa da web
- 2023 (Baidu) (KDD) S2phere-Pré-treinamento semi-supervisionado para pesquisa na web sobre aprendizado heterogêneo para classificar dados
- 2023 (Google) (KDD) Melhorando a estabilidade do treinamento para modelos de classificação multitarefa em sistemas de recomendação
- 2023 (Kuaishou) (KDD) Modelo de regressão progressiva baseada em árvore para previsão de tempo de vigilância em recomendação de curto-vídeo
- 2023 (Kuaishou) (KDD) [Pepnet] Pepnet - parâmetro e incorporação de rede personalizada para infundir com informações anteriores personalizadas
- 2023 (Meituan) (KDD) Pier-Permutação em nível de destaque baseado em interesses de ponta a ponta em comércio eletrônico no comércio eletrônico
- 2023 (Meta) (KDD) Adatt-Rede de fusão de tarefa a fazer adaptativa para aprendizado multitarefa em recomendações
- 2023 (Microsoft) (KDD) Unifier - Um Retriever unificado para recuperação em larga escala
- 2023 (Pinterest) (KDD) - Modelo de ação do usuário em tempo real baseado em transformadores para recomendação no Pinterest
- 2023 (Tencent) (KDD) Recuperação baseada em incorporação binária na Tencent
- 2023 (Tencent) (KDD) CT4REC - Treinamento de consistência simples e eficaz para recomendação seqüencial
- 2023 (Tencent) (KDD) Interação Adaptativa de Recursos para Previsão da Taxa de Clique
KDD2024
- 2024 (Airbnb) (KDD) Aprendizagem multi-objetiva para classificar por destilação de modelo
- 2024 (Bytedance) (KDD) [Trinity] Trinity-Sincretizando Multi-cauda: interesses de longo prazo, todos em um
- 2024 (Kuaishou) (KDD) [gradcraft] gradcraft - elevando recomendações de várias tarefas através da criação de gradiente holístico
- 2024 (Kuaishou) (KDD) [NAR4REC] Modelos generativos não autorregressivos para reranger a recomendação
- 2024 (Shopeee) (KDD) [Resflow] Aprendiz residual de várias tarefas para classificação aplicada
- 2024 (Tencent) (KDD) Compreendendo a perda de classificação por recomendação com feedback esparso do usuário
- 2024 (Tencent) (KDD) [BBP] além da preferência binária - alavancando abordagens bayesianas para otimização conjunta de classificação e calibração
- 2024 (Tencent) (KDD) [LCN] Modelagem seqüencial ao longo da vida do domínio para previsão de taxa de cliques on-line
- 2024 (Tencent) (KDD) [STEM] Recomendação de anúncios em um mundo recolhido e emaranhado
Corporação
Google
- 2014 (Google) (NIPS) [Destilação de Knoledge] Destilando o conhecimento em uma rede neural
- 2015 (Google) (ARXIV) Aprendizagem de reforço profundo em grandes espaços de ação discreta
- 2015 (Google) (ARXIV) Aprendizagem de reforço profundo com atenção para processos de decisão de Markov com estados e ações de alta dimensão
- 2016 (Google) (DLRs) ** [Wide & Deep] Aprendizagem larga e profunda para sistemas de recomendação
- 2016 (Google) (Recsys) ** [YouTube DNN] Redes neurais profundas para recomendações do YouTube
- 2017 (Google) (ICLR) [MOE escassamente demitido] Redes neurais escandalosamente grandes-a camada de mistura de especialistas escassamente encaixada
- 2018 (Google) (CIKM) [DPP] Recomendações diversificadas práticas no YouTube com processos de ponto determinante
- 2018 (Google) (KDD) [MMOE] Relacionamentos de tarefas de tarefas em aprendizado de várias tarefas com mistura de especialistas com vários portas
- 2019 (Google) (ARXIV) SEQ2SLATE - Reanking e otimização de ardósia com RNNs
- 2019 (Google) (ijcai) *[Slateq] Slateq - Uma decomposição tratável para aprendizado de reforço com conjuntos de recomendação
- 2019 (Google) (ijcai) [slateq] slateq - uma decomposição tratável para aprendizado de reforço com conjuntos de recomendação
- 2019 (Google) (Recsys) [YouTube Multi -Task] Recomendo que vídeo assistir a seguir - um sistema de classificação multitarefa
- 2019.
- 2020 (Google) (ARXIV) Aprendizagem auto-supervisionada para recomendações de itens em larga escala
- 2020 (Google) (KDD) [Google Drive] Melhorando a qualidade da recomendação no Google Drive
- 2020 (Google) (KDD) [Mose] Mistura multitarefa de especialistas seqüenciais para fluxos de atividade do usuário
Jdrecsys
- 2020 (JD) (CIKM) *[DMT] Transformadores multifacetados profundos para classificação multi-objetiva em sistemas de recomendação de comércio eletrônico em larga escala
- 2020 (JD) (CIKM) *[DECGCN] Rede de convolução de gráficos desacoplada para inferir itens substituíveis e complementares
- 2020 (JD) (SIGIR) [NICF] Filtragem colaborativa interativa neural
- 2020 (JD) (WSDM) [HUP] Perfil de usuário hierárquico para sistemas de recomendação de comércio eletrônico
TaobaoSearch
- 2018 (Alibaba) (ijcai) otimizado globalmente a influência mútua ranking ciente da pesquisa de comércio eletrônico
- 2018 (Alibaba) (ijcai) [Jump] Jump - um preditor conjunto para clique do usuário e tempo de permanência
- 2018 (Alibaba) (KDD) [DUPN] Percebem seus usuários em profundidade - Aprendendo representações de usuários universais de várias tarefas de comércio eletrônico
- 2018 (Alibaba) (www) [ma-rdpg] Aprendendo a colaborar-classificação multi-cenário por meio de aprendizado de reforço multi-agente
- 2019 (Alibaba) (CIKM) Rede de atenção cruzada com Wasserstein regularizadores para pesquisa de comércio eletrônico
- 2019 (Alibaba) (KDD) [MGTL] Um jogo mínimo, por exemplo, aprendizado seletivo baseado em transferência
- 2019 (Alibaba) (www) Agregando os resultados da pesquisa de comércio eletrônico de fontes heterogêneas por meio de aprendizado hierárquico de reforço
- 2020 (Alibaba) (CIKM) [TIEN] Rede de evolução de itens com reconhecimento de tempo profundo para previsão da taxa de cliques
- 2020 (Alibaba) (NIPS) Púlios estruturados no nível de neurônios usando regularizador de polarização
- 2020 (Alibaba) (www) [Marn] Aprendizagem de representação multimodal adversária para previsão de taxa de cliques
- 2021 (Alibaba) (AAAI) [ANPP] Processos de pontos neurais atentos para previsão de eventos
- 2021 (Alibaba) (AAAI) [ES-DFM] Captura de feedback tardio na previsão da taxa de conversão por meio de amostragem de tempo decorrido
- 2021 (Alibaba) (CIKM) [ZEUS] Aprendizagem auto-supervisionada sobre os comportamentos espontâneos dos usuários para o ranking multi-cenário no comércio eletrônico
- 2021 (Alibaba) (KDD) [MGDSPR] Recuperação de produtos baseados em incorporação na pesquisa de Taobao
- 2022 (Alibaba) (CIKM) [CLE-QR] Reescrita de consulta na Taobao Search
- 2022 (Alibaba) (CIKM) [MOPPR] Recuperação de produtos personalizados multi-objetivos na pesquisa de Taobao
- 2023 (Alibaba) (KDD) [Asmol] Repensando o papel da pré-classificação no sistema de pesquisa de comércio eletrônico em larga escala
