美团技术团队在SIGIR 2024会议上发表了三篇论文,探讨深度学习在广告拍卖、纵向联邦推荐和兴趣点推荐中的应用。第一篇论文提出了整合广告拍卖与混排机制以提升广告收入;第二篇定义了全用户纵向联邦推荐范式,解决跨域特征缺失问题;第三篇介绍了解耦对比超图学习框架,优化用户兴趣点推荐。这些研究旨在推动相关领域的技术进步与合作。
该文汇总多篇推荐系统研究:FedRec+通过特征相似性选择子集生成伪评分,以降低噪声和通信成本;PFedRec采用轻量模型与双重个性化实现联邦细粒度推荐;一篇综述探讨联邦推荐的隐私、聚合、异构与通信问题;其他研究涉及异构关系学习、混合课程推荐、用户许可联邦推荐、脑电分类、图模型食谱推荐、社交协同过滤及学术网络机构推荐。
完成下面两步后,将自动完成登录并继续当前操作。