💡
原文中文,约5100字,阅读约需13分钟。
📝
内容提要
ACM SIGKDD是一个重要的国际会议,旨在促进数据挖掘和知识发现的应用和理论研究。其中,论文提出了PIER重新排序框架,用于改善Feed流推荐质量;提出了CCTL协同跨域迁移学习框架,用于改善不同业务领域的CTR预测建模;提出了DPVP双重时段变化偏好建模模型,用于解决外卖推荐中的双重交互感知偏好问题;提出了在线奖励分配框架,用于解决奖励分配中的挑战;提出了C-AOI基于实例分割的AOI轮廓自动生成框架,用于提高AOI边界生成质量;介绍了NEON用户意图预测系统,用于准确理解用户需求;介绍了美团在KDD Cup 2023比赛中的解决方案,包括召回和排序两个阶段。美团科研合作致力于搭建合作平台,推动产学研合作和成果转化。
🎯
关键要点
- ACM SIGKDD是数据挖掘领域的重要国际会议,旨在促进应用和理论研究。
- 论文提出PIER框架,改善Feed流推荐质量,结合上下文信息。
- 提出CCTL框架,通过协同训练提升跨域CTR预测建模效果。
- DPVP模型解决外卖推荐中的双重交互感知偏好问题。
- 在线奖励分配框架解决奖励分配中的挑战,提高用户意图检测的可解释性。
- C-AOI框架提升AOI边界生成质量,应用于美团配送业务。
- NEON系统准确理解用户需求,提升推荐和营销效果。
- 美团在KDD Cup 2023比赛中提出多语言推荐解决方案,获得优异成绩。
- 美团科研合作致力于推动产学研合作,探索前沿科技和产业问题。
➡️