本文探讨了循环神经网络（RNN）在推荐系统中的应用，提出了记忆增强型DNN和AutoCTR等改进模型，以提高点击预测的准确性。同时，研究了上下文感知用户行为建模和多行为超图增强Transformer框架，并验证了这些方法在不同数据集上的有效性。

本文探讨了无偏学习排序（ULTR）技术在点击预测和排序性能中的应用，提出多种算法和模型以消除数据偏差，提升排序效果。研究表明，尽管在点击预测中表现优异，但在专家相关性标注中未必能改善排名，强调了评估方法的重要性。