PulseAugur
实时 18:20:47
English(EN) Field-Aware RankMixer with Dual-Stream Bilinear Fusion for the Tencent UNI-REC Challenge

腾讯UNI-REC挑战赛:带字段感知的RankMixer获得第九名

研究人员为腾讯UNI-REC挑战赛开发了一种名为带字段感知的RankMixer(FA-RankMixer)的新型模型,该挑战赛专注于预测目标广告pCVR。该模型整合了多领域用户行为序列和非序列多字段特征。它采用目标感知DIN模块来捕捉用户跨不同领域的兴趣,并区分建模近期兴趣与早期兴趣。然后,FA-RankMixer使用RankMixer块处理从特征字段和行为领域派生的语义令牌以进行交互,并辅以浅层MLP流和分组双线性融合模块。该方法在官方排行榜上名列第九。 AI

影响 这项研究提出了一种用于推荐系统的多领域用户行为建模的新方法,可能影响该领域的未来架构。

排序理由 该集群包含一篇详细介绍特定挑战的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

腾讯UNI-REC挑战赛:带字段感知的RankMixer获得第九名

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yufeng Zhang, Zhengqi Xu, Jiajun Cui ·

    面向腾讯UNI-REC挑战赛的场感知RankMixer与双流双线性融合

    arXiv:2607.15590v1 Announce Type: cross Abstract: This paper presents our solution to the KDD Cup 2026 Tencent UNIREC Challenge. The task requires joint modeling of multi-domain user behavior sequences and non-sequential multi-field features for target-ad pCVR prediction. We deve…