Recommendation System-based Upper Confidence Bound for Online Advertising
University Paris-Saclay（巴黎-萨克雷大学）；UVSQ（凡尔赛大学）；Criteo（科睿拓）；Tampere University（坦佩雷大学）
本文提出了一种利用推荐系统（RS）来增强UCB算法置信上限的方法UCB-RS。该方法用于处理非平稳、大状态空间的多臂强盗问题。该方法针对在线广告中的产品推荐问题。通过对OpenAI Gym的强化学习环境OpenAI Gym进行广泛的测试，该方法优于广泛的强化学习方案，如$ε$ -贪婪，上置信度（UCB 1）和指数权重探索和利用（EXP 3）。
2019-09-09 cs.IR cs.LG stat.ML
Value-aware Recommendation based on Reinforced Profit Maximization in E-commerce Systems
Alibaba Group（阿里巴巴集团）；Carnegie Mellon University（卡内基梅隆大学）；Rutgers University（罗格斯大学）
现有的推荐算法大多集中在优化传统的推荐措施，如RMSE方面的评级预测的准确性或前$k$推荐列表的质量方面的精度，召回率，MAP等，然而，商业推荐系统的一个重要期望是提高系统的最终收入/利润。传统的推荐目标如评分预测和顶级$k$推荐与此目标没有直接关系。在这项工作中，我们将在线广告和微观经济学的基本概念融入个性化推荐中，以实现利润最大化。具体而言，我们提出了基于强化学习的价值感知推荐，直接优化候选项的经济价值来生成推荐列表。特别是，我们推广的基本概念的点击转化率（CVR）在计算广告到会话率的任意用户动作（XVR）在电子商业，其中的用户动作可以点击，添加到购物车，添加到愿望清单等，这样，每种类型的用户动作被映射到其货币化的经济价值。进一步综合不同用户行为的经济价值作为排行榜的奖励，并利用强化学习对推荐榜进行优化，使总价值最大。在离线基准测试和在线商业系统中的实验结果验证了我们的框架在传统的顶级$k$排名任务和系统的经济效益方面的性能改进。
2019-02-03 cs.IR cs.LG
Convolutional Neural Bandit for Visual-aware Recommendation
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
在线推荐/广告在网络商业中无处不在。图像显示被认为是与客户交互的最常用的格式之一。上下文多臂强盗已经成功地应用广告来解决推荐过程中存在的探索-开发困境。受视觉感知推荐的启发，本文提出了一种上下文Bandit算法，其中卷积神经网络（CNN）用于学习奖励函数以及用于探索的置信上限（UCB）。我们还证明了一个接近最优的遗憾界$\tilde{\mathcal{O}}(\sqrt{T})$当网络是过参数化，并建立强连接卷积神经切线核（CNTK）。最后，我们评估了所提出的算法的经验性能，并表明它优于其他国家的最先进的基于UCB的强盗算法在现实世界的图像数据集。
2022-02-09 cs.CV cs.LG
Learning Adaptive Display Exposure for Real-Time Advertising
Tianjin University（天津大学）；Alibaba Group（阿里巴巴集团）；Shanghai Jiao Tong University（上海交通大学）；University College London（伦敦大学学院）
在电子商务广告中，产品推荐和产品广告同时呈现给用户，传统的设置是在固定位置显示广告。然而，在这样的设置下，广告系统失去了控制广告数量和位置的灵活性，导致次优的平台收入和用户体验。因此，主要的电子商务平台（例如，Taobao.com）已经开始考虑更灵活的方式来显示广告。在本文中，我们研究的问题，广告与自适应曝光：我们可以动态地确定广告的数量和位置，为每个用户访问在一定的业务约束，使平台的收入可以增加？更具体地说，我们考虑两种类型的约束：请求级约束确保每次用户访问的用户体验，平台级约束控制整体平台货币化率。我们将这个问题建模为一个具有每状态约束的约束马尔可夫决策过程（psCMDP），并提出了一种约束两级强化学习方法，将原问题分解为两个相对独立的子问题。为了加速策略学习，我们还设计了一个有约束的后见之明经验重放机制。工业规模的真实世界数据集上的实验评估表明，我们的方法在获得更高的收入下的约束和约束后见之明的经验重放机制的有效性的优点。
2019-09-03 cs.AI cs.LG stat.ML
From Clicks to Conversions: Recommendation for long-term reward
推荐系统通常针对短期奖励进行优化：如果在推荐后立即可以观察到奖励（例如点击），则推荐被认为是成功的。这个框架的优点是，通过一些合理的（尽管有问题）假设，它允许熟悉的监督学习工具用于推荐任务。然而，这意味着长期的业务指标，例如销售或保留被忽略。在本文中，我们介绍了一个框架，长期的奖励建模的ECORGYM仿真环境。我们使用这个新引入的功能来展示在转换优化推荐的情况下由最后点击归因方案引入的问题，并提出一个简单的扩展，从而获得最先进的结果。
2020-09-01 cs.IR stat.ML
Do not Waste Money on Advertising Spend: Bid Recommendation via Concavity Changes
Yahoo Research（雅虎研究院）
在计算广告中，一个具有挑战性的问题是如何为广告客户推荐出价，以实现最佳的投资回报率（ROI）给定的预算约束。本文提出了一个出价推荐的情况下，发现点击预测曲线的显著变化。建议报价是根据从大幅上涨（即向下凹）到缓慢上涨（向上凸）的转折点得出的。通过求解相应的约束优化问题，应用基于参数学习的方法。对真实世界广告场景的实证研究清楚地表明了业务指标的性能收益（包括收入增加，点击增加和广告商ROI增加）。
2022-12-26 cs.AI cs.IR cs.LG
Learning to Advertise for Organic Traffic Maximization in E-Commerce Product Feeds
Alibaba Group（阿里巴巴集团）；Shanghai Jiao Tong University（上海交通大学）；University College London（伦敦大学学院）
大多数电子商务产品提要向消费者提供广告产品和推荐产品的混合结果。底层的广告和推荐平台共享类似的候选产品，如果不是完全相同的话。消费者对广告结果的行为构成了推荐模型的训练数据的一部分，因此可以影响推荐结果。我们把这个过程称为杠杆。考虑到这一机制，我们提出了一个新的角度，广告商可以通过广告平台的策略性出价，以优化其推荐的有机流量。通过分析真实世界的数据，我们首先解释了杠杆机制的原理，即，杠杆的动态模型。然后，我们引入了一个新的杠杆优化问题，并制定了一个马尔可夫决策过程。为了解决无模型强化学习中样本复杂性的问题，提出了一种新的混合训练杠杆出价（HTLB）算法，该算法结合了真实世界的样本和仿真器生成的样本，以提高学习速度和稳定性。我们的离线实验以及在线部署的结果表明，我们的方法的优越性能。
2019-08-19 cs.LG stat.ML
Unreliable Multi-Armed Bandits: A Novel Approach to Recommendation Systems
IIT Bombay（印度理工学院孟买分校）
本文提出一种不可靠多臂老虎机模型，将推荐系统建模为通过具有自主性的中间层访问臂的老虎机，并给出基本定理及接近最优的探索-承诺算法。
2019-11-14 cs.LG stat.AP stat.ML
Stochastic Bandit Models for Delayed Conversions
Université Paris-Saclay（巴黎萨克雷大学）；Telecom ParisTech（巴黎高等电信学院）；LIMSI, CNRS（法国国家科学研究中心计算机科学与人机交互实验室）；ENS Paris-Saclay（巴黎萨克雷高等师范学校）；Criteo Research（Criteo研究院）
在线广告和产品推荐是多臂强盗方法的重要应用领域。在这些领域中，立即可用的奖励通常只是兴趣的实际结果的代理，我们称之为转换。例如，在网络广告中，点击可以在广告显示后的几秒钟内观察到，但相应的销售（如果有的话）将需要几个小时，如果不是几天的话。本文在Chapelle（2014）提出的框架内提出并研究了一个新的随机多臂强盗模型-基于网络广告领域的实证研究-其中每个行为都可能触发未来的奖励，然后会发生随机延迟。我们假设与每个动作相关联的转换的概率是未知的，而转换延迟的分布是已知的，区分（理想化）的情况下，转换事件可以观察到无论他们的延迟和更现实的设置中，后期转换审查。我们提供了性能下限，以及两个简单而有效的算法的基础上UCB和KLUCB框架。后一种算法，这是最好的转换率低时，是基于泊松化参数，在其他设置中，需要不同的成功概率的伯努利观测的聚合独立的兴趣。
2017-07-12 cs.LG
Local Clustering in Contextual Multi-Armed Bandits
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们研究识别用户集群的上下文多武装匪徒（MAB）。上下文MAB是内容推荐、在线广告等实际应用的有效工具。在实践中，用户依赖性在用户的行为中起着至关重要的作用，因此奖励。聚类相似用户可以提高奖励估计的质量，这反过来又会导致更有效的内容推荐和有针对性的广告。不同于传统的聚类设置，我们聚类用户的基础上未知的强盗参数，这将是增量估计。特别是，我们定义了上下文MAB中的聚类检测问题，并提出了一个强盗算法，LOCB，嵌入本地聚类过程。并从聚类的正确性、有效性和遗憾界等方面对LOCB进行了理论分析。最后，我们从各个方面评估了所提出的算法，它优于最先进的基线。
2023-03-24 cs.LG
We Know What You Want: An Advertising Strategy Recommender System for Online Advertising
Shanghai Jiao Tong University（上海交通大学）；Alibaba Group（阿里巴巴集团）；Nanjing University（南京大学）
广告支出已成为电子商务平台的主要收入来源。通过降低广告商在发现最佳广告策略时的试错成本，为广告商提供良好的广告体验，对于在线广告的长期繁荣至关重要。为了实现这一目标，广告平台需要识别广告主的优化目标，然后推荐相应的策略来实现目标。本文首先在淘宝展示广告平台上部署了一个策略推荐系统的原型，该原型系统确实提高了广告主的业绩和平台的收益，表明了策略推荐在网络广告中的有效性。我们进一步增强这个原型系统显式地学习广告客户的偏好，通过各种广告性能指标，然后优化目标，通过他们采用不同的推荐广告策略。我们使用上下文强盗算法来有效地学习广告客户的偏好，并最大限度地提高推荐采用，同时。基于淘宝网竞价数据的仿真实验表明，所设计的算法能够有效地优化广告主的策略采用率。
2021-06-13 cs.IR cs.LG
Policy Gradients for Contextual Recommendations
Institute of Computing Technology, CAS（中国科学院计算技术研究所）；IIIS, Tsinghua University（清华大学交叉信息研究院）；University of Chinese Academy of Sciences（中国科学院大学）
在在线推荐系统中，决策是一项具有挑战性的任务。决策者通常需要在每一步从一组候选项中选择一个上下文项。上下文强盗算法已经成功地部署到这样的应用程序，探索和剥削之间的权衡和最小化在线成本的最先进的性能。然而，现有的上下文强盗方法的适用性是有限的问题的过于简化的假设，如假设一个简单的形式的奖励函数或假设一个静态的环境中的状态不受先前的行动。在这项工作中，我们提出了上下文推荐（PGCR）的策略梯度，以解决这个问题，没有那些不切实际的假设。它优化了一个限制类的政策，其中选择一个项目（在其他项目的预期）的边际概率有一个简单的封闭形式，在这个类的政策的预期回报率的梯度是在一个简洁的形式。此外，PGCR利用了两个有用的启发式技术，称为时间依赖贪婪和演员辍学。前者保证了PGCR在极限范围内的经验贪婪，后者通过使用具有Dropout的策略网络作为贝叶斯近似来解决探索和利用之间的权衡。PGCR可以解决标准的上下文强盗以及其马尔可夫决策过程的推广。因此，它可以应用于广泛的现实设置的建议，如个性化广告。我们在玩具数据集以及个性化音乐推荐的真实数据集上评估PGCR。实验结果表明，PGCR算法收敛速度快，后悔率低，优于经典的上下文强盗和香草策略梯度方法。
2019-03-04 cs.LG
Demystifying Advertising Campaign Bid Recommendation: A Constraint target CPA Goal Optimization
Yahoo Research（雅虎研究院）
在每次点击成本（CPC）或每次展示成本（CPM）广告活动中，广告商总是冒着花费预算而没有获得足够转换的风险。此外，对广告库存的出价与倾向性的联系很少，可以达到目标每次获取成本（tCPA）的目标。为了解决这个问题，本文提出了一个出价优化方案，以实现所需的tCPA目标的广告客户。特别是，我们构建了优化引擎，通过解决严格形式化的约束优化问题来做出决策，该问题利用了使用非参数学习从丰富的历史拍卖数据中学习的出价景观模型。该模型通过对广告主的历史拍卖行为进行推理，自然地推荐出符合广告主期望的出价，本质上解决了出价景观建模中常见的数据挑战：拍卖日志不完整，以及广告出价行为变化和波动带来的不确定性。出价优化模型在现实世界的活动中优于基线方法，并已应用于各种各样的性能改进和收入生命周期的场景。
2022-12-26 cs.AI cs.IR cs.LG
UniVA: Unified Value Alignment for Generative Recommendation in Online Advertising at Tencent
Wuhan University（武汉大学）；Tencent Inc.（腾讯）；Peking University（北京大学）
本文提出UniVA框架，通过引入商业SID分词器和生成-排序SID解码器，提升工业广告推荐中用户兴趣与商业价值的对齐效果，实验显示在离线和在线场景均取得显著提升。
2026-07-30 cs.IR
Deep Bayesian Bandits: Exploring in Online Personalized Recommendations
University of California, San Diego（加利福尼亚大学圣迭戈分校）；Twitter（推特公司）
以连续学习方式训练的推荐系统受到反馈回路问题的困扰，也称为算法偏见。这会导致新训练的模型表现得更好，并倾向于用户已经参与的项目。这种行为在个性化广告推荐中尤其有害，因为它还可能导致新的广告系列尚未开发。探索旨在通过提供有关环境的新信息来解决这一限制，这些信息包括用户偏好，并可以带来更高的长期回报。在这项工作中，我们制定了一个显示广告推荐作为一个上下文的强盗和实现的探索技术，需要从后验分布的点击率在计算上易于处理的方式进行采样。传统的大规模深度学习模型默认不提供不确定性估计。我们近似这些不确定性测量的预测采用自举模型与多个头和辍学单位。我们在离线模拟环境中使用公开的用户广告参与数据集对一些不同的模型进行基准测试。我们在离线模拟和大规模生产流量的在线AB设置中测试了我们提出的深度贝叶斯强盗算法，在那里我们展示了我们的探索模型的积极收益。
2020-08-03 cs.AI cs.LG cs.NE
Hierarchical Adaptive Contextual Bandits for Resource Constraint based Recommendation
University of Chinese Academy of Sciences（中国科学院大学）；Didi Chuxing（滴滴出行）
上下文多臂强盗（MAB）在各种问题上实现了尖端性能。然而，当涉及到推荐系统和在线广告等现实场景时，必须考虑探索的资源消耗。在实践中，通常存在与在环境中执行推荐（arm）相关联的非零成本，并且因此，应当利用固定的探索成本约束来学习策略。直接学习全局最优策略具有挑战性，因为它是一个NP难问题，并且显著地使强盗算法的探索和利用权衡复杂化。现有的方法侧重于解决问题，通过采用贪婪的政策，估计预期的回报和成本，并使用贪婪的选择，根据每个手臂的预期回报/成本比使用历史观察，直到勘探资源耗尽。然而，现有的方法很难扩展到无限的时间范围，因为学习过程将终止时，没有更多的资源。在本文中，我们提出了一个层次自适应上下文强盗方法（HATCH）进行策略学习的上下文强盗预算约束。HATCH采用了一种自适应的方法来分配资源的基础上剩余资源/时间和不同的用户上下文之间的奖励分布的估计的探索。此外，我们充分利用上下文特征信息，以找到最佳的个性化推荐。最后，为了证明理论上的保证，我们提出了一个遗憾界分析，并证明了HATCH实现了一个遗憾界低至$O(\sqrt{T})$。在合成数据集和实际应用中的实验结果表明了该方法的有效性和效率。
2020-04-06 cs.LG stat.ML
Knowledge Infused Policy Gradients with Upper Confidence Bound for Relational Bandits
University of South Carolina（南卡罗来纳大学）
上下文Bandits在各种现实生活场景中发现了重要的用例，例如在线广告，推荐系统，医疗保健等。然而，大多数算法使用平面特征向量来表示上下文，而在现实世界中，有不同数量的对象和它们之间的关系在上下文中建模。例如，在音乐推荐系统中，用户上下文包含他们听的音乐，哪些艺术家创作了这种音乐，艺术家专辑等。添加更丰富的关系上下文表示也引入了更大的上下文空间，使探索-利用变得更加困难。为了提高探索-利用的效率，可以注入关于上下文的知识来指导探索-利用策略。关系上下文表示允许人类以自然的方式指定知识，由于其描述性的性质。我们提出了一个适应知识注入策略梯度上下文的强盗设置和一个新的知识注入策略梯度置信上限算法，并进行了实验分析的模拟音乐推荐数据集和各种现实生活中的数据集，专家知识可以大大减少总遗憾，它不能。
2021-06-25 cs.AI cs.LG
Recommendation System in Advertising and Streaming Media: Unsupervised Data Enhancement Sequence Suggestions
Meta Fintech（Meta金融科技）；Fuqua School of Business, Duke University（杜克大学福库商学院）
针对序列推荐中监督信号有限、数据噪声及现有方法忽略多序列物品关联的问题，提出UDA4SR框架，通过GAN数据增强、GIG构建、图对比学习及目标注意力增强CapsNet，显著提升性能。
2025-03-23 cs.IR cs.LG
GPR: Towards a Generative Pre-trained One-Model Paradigm for Large-Scale Advertising Recommendation
Tencent Inc.（腾讯公司）；Tsinghua University（清华大学）
GPR提出了一种单模型框架，通过统一生成方法解决广告推荐中的目标不一致和误差传播问题，提升GMV和CTCVR指标。
2026-02-12 cs.IR
On the Factory Floor: ML Engineering for Industrial-Scale Ads Recommendation Models
Google Inc.（谷歌公司）
对于工业规模的广告系统，广告点击率（CTR）的预测是一个中心问题。广告点击构成了用户参与的重要类别，并且通常被用作广告对用户有用性的主要信号。此外，在按点击收费的广告系统中，广告客户按点击收费，点击率预期直接进入价值估计。因此，CTR模型开发是大多数互联网广告公司的重大投资。针对此类问题的工程设计需要许多适用于在线学习的机器学习（ML）技术，这些技术远远超出了传统的准确性改进，特别是在效率、可重复性、校准、信用归属方面。我们提出了一个案例研究部署在谷歌的搜索广告CTR模型的实用技术。本文提供了一个行业案例研究，突出了当前ML研究的重要领域，并说明了如何评估有影响力的新ML方法并使其在大规模工业环境中发挥作用。
2022-09-12 cs.IR cs.LG
Multi-User Contextual Cascading Bandits for Personalized Recommendation
Department of Industrial Engineering and Operations Research, University of California, Berkeley（工业工程与运营管理系，加州大学伯克利分校）
针对多用户同时与顺序展示物品交互的在线广告场景，提出多用户上下文级联老虎机模型（MCCB），设计UCBBP和AUCBBP算法并证明其遗憾界，数值实验验证了算法有效性。
2025-08-24 cs.LG math.OC stat.ML
OneRanker: Unified Generation and Ranking with One Model in Industrial Advertising Recommendation
Tencent Inc.（腾讯公司）
OneRanker通过统一生成与排序架构，解决广告推荐中生成与排序的脱节问题，提升业务指标表现。
2026-11-06 cs.IR
Learning by Repetition: Stochastic Multi-armed Bandits under Priming Effect
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
我们研究了在随机多臂强盗环境中持续参与对学习的影响。在广告和推荐系统中，重复效应包括一个磨合期，用户通过点击或购买来奖励平台的倾向取决于他们最近看到推荐的频率。它还包括一个抵消磨损期，如果推荐最近被显示太多次，用户积极响应的倾向就会受到抑制。启动效应可以自然地建模为策略空间上的时间约束，因为当前动作的奖励取决于平台采取的历史动作。我们提供了新的算法，实现次线性遗憾的时间和相关的磨损/磨损参数。启动对后悔上界的影响也是加性的，我们得到了一个保证，匹配流行的算法，如UCB 1和汤普森采样时，没有启动效应。我们的工作补充了最近的工作建模随时间变化的奖励，延迟和腐败的土匪，并扩展了使用丰富的行为模型在顺序决策设置。
2020-06-18 cs.AI cs.LG stat.ML
Middleman Bias in Advertising: Aligning Relevance of Keyphrase Recommendations with Search
本文揭示广告关键词推荐中搜索系统作为中间商的偏差，提出将广告与搜索视为动态系统交互，并比较交叉编码器与双编码器以对齐相关性信号，提升eBay卖家广告效果。
2025-02-14 cs.IR
Enhancing Taobao Display Advertising with Multimodal Representations: Challenges, Approaches and Insights
Alibaba Group（阿里巴巴集团）
本文针对淘宝展示广告系统依赖稀疏ID特征的问题，提出一个两阶段框架，通过预训练多模态表示并与现有ID模型整合，显著提升了推荐准确度并分享了工业部署经验。
2024-07-28 cs.IR cs.LG
TAGR: Temporally Adaptive Generative Recommendation for Industrial Live-Streaming Advertising
Kuaishou Technology（快手科技）；Tsinghua University（清华大学）
本文提出TAGR框架，通过时间自适应解决现有生成式推荐器在直播广告场景的不足，在电商平台部署后显著提升了直播间进入率、购物车点击率及营收。
2026-11-05 cs.IR
Privacy-preserving Targeted Advertising
推荐系统形成了快速增长的万亿美元在线广告行业的中心部分。即使有许多优化和近似，基于协同过滤（CF）的方法需要涉及非常大的向量的实时计算。在门户网站上管理和存储这样的相关简档信息向量严重侵犯了用户的隐私。修改这样的系统以实现私人推荐还需要长加密向量的通信，使得整个过程效率低下。我们提出了一个更有效的推荐系统的替代方案，其中用户简档完全保持在他们的设备上，并从门户网站获取适当的建议，在一个有效的隐私保护的方式。我们基于这种方法的关联规则。
2018-06-18 cs.CR cs.IR
Branching Reinforcement Learning
Tsinghua University（清华大学）；Microsoft Research（微软研究院）
本文提出了一种新的分支强化学习（Branching RL）模型，并研究了该模型的后悔最小化（RM）和无奖励探索（RFE）指标。与标准RL不同，其中每个事件的轨迹是单个$H$步骤路径，分支RL允许代理在状态中采取多个基本动作，使得转换相应地分支到多个后续状态，因此它生成树结构轨迹。该模型在分层推荐系统和在线广告中有重要的应用。对于分支RL，我们建立了新的Bellman方程和关键引理，即，分支值差引理和总方差的分支律，并且在指数大的轨迹下，总方差仅由$O(H^2)$约束.对于RM和RFE指标，我们分别提出了计算效率高的算法BranchVI和BranchRFE，并推导出几乎匹配的上界和下界。我们的结果是多项式的问题参数，尽管指数大的轨迹。
2022-06-15 cs.LG
Rotting Bandits
The Technion（以色列理工学院）
多武装匪徒（MAB）框架强调了获取新知识（探索）和利用现有知识（利用）之间的紧张关系。在经典的MAB问题中，决策者必须在每个时间步选择一个手臂，并在此基础上获得奖励。决策者的目标是最大化她的累积期望回报的时间范围。MAB问题已经被广泛研究，特别是在假设武器的奖励分布随时间是平稳的或准平稳的情况下。我们考虑MAB框架的一个变体，我们称之为腐烂的强盗，其中每个手臂的预期奖励作为被拉动次数的函数衰减。我们受到许多现实世界场景的激励，例如在线广告，内容推荐，众包等。我们提出的算法，伴随着模拟，并推导出理论保证。
2017-11-02 cs.LG stat.ML
Tencent Advertising Algorithm Challenge 2025: All-Modality Generative Recommendation
Tencent Inc.（腾讯公司）；CUHK（香港中文大学）
本文介绍了腾讯广告算法挑战2025，通过两个全模态数据集TencentGR-1M和TencentGR-10M，推动生成推荐研究，提供大规模真实数据和评估方法，旨在促进工业级全模态生成推荐技术的发展。
2026-04-04 cs.IR
Learning to Expand Audience via Meta Hybrid Experts and Critics for Recommendation and Advertising
在推荐系统和广告平台中，营销人员总是希望通过诸如显示、视频或社交等媒体渠道向潜在受众提供产品、内容或广告。给定一组受众或客户（种子用户），受众扩展技术（外观相似建模）是一种很有前途的解决方案，可以识别更多的潜在受众，这些受众与种子用户相似，并且可能完成目标活动的业务目标。然而，外观相似建模面临两个挑战：（1）在实践中，公司每天可能会运行数百个营销活动来推广完全不同类别的各种内容，例如，体育，政治，社会因此，很难利用一种共同的方法来扩大所有宣传活动的受众。(2)一个活动的种子集只能覆盖有限的用户。因此，基于这种种子集的定制方法可能是过拟合的。针对这些问题，本文提出了一种新的两阶段框架--Meta Hybrid Experts and Critics（MetaHeac），并将其应用于微信相似度系统。在离线阶段，一个通用的模型，可以捕捉各种任务之间的关系，从元学习的角度对所有现有的活动任务进行训练。在在线阶段，对于一个新的活动，一个定制的模型是学习与给定的种子集的基础上的一般模型。根据离线和在线实验，建议MetaHeac显示出卓越的效果，无论是在推荐系统的内容营销活动和广告平台的广告活动。此外，MetaHeac已成功部署在微信中，用于内容和广告的推广，大大提高了营销质量。代码已在\url{https://github.com/easezyc/MetaHeac}上提供。
2021-05-31 cs.IR
Jointly Learning to Recommend and Advertise
在线推荐和广告是在线推荐平台（例如电子商务和新闻源网站）的两个主要收入渠道。然而，大多数平台通过不同的技术分别优化不同团队的推荐和广告策略，这可能导致整体表现不佳。为此，本文提出了一种新颖的两级强化学习框架来联合优化推荐和广告策略，第一级生成推荐列表，从长远来看优化用户体验;第二级在推荐列表中插入广告，可以平衡广告商的即时广告收入和广告对长期用户体验的负面影响。具体地说，第一级处理从大项目空间中选择子集项目的高组合动作空间问题;而第二级确定三个内部相关的任务，即，(i)是否插入广告，以及如果是，（ii）最佳广告和（iii）插入的最佳位置。基于真实数据的实验结果验证了该框架的有效性。我们已经发布了实现代码，以简化复制。
2020-06-19 cs.IR
LLMDistill4Ads: Using Cross-Encoders to Distill from LLM Signals for Advertiser Keyphrase Recommendations at eBay
eBay Inc（eBay公司）
LLMDistill4Ads通过交叉编码器从LLM信号中蒸馏，旨在提升eBay广告商关键词推荐的多样性和准确性。
2026-02-18 cs.AI cs.IR cs.LG
Concept-based Recommendations for Internet Advertisement
Higher School of Economics（高等经济学院）
被认为是有趣的广告商检测条款的问题。如果一家公司已经购买了一些描述某些服务的广告术语，那么找出竞争公司购买的术语是合理的。其中一部分可以作为未来的广告条款推荐给公司。这项工作的目标是提出更好的解释建议的基础上FCA和关联规则。
2009-06-26 cs.AI cs.CY cs.IR
Adaptive Domain Interest Network for Multi-domain Recommendation
工业推荐系统通常保存来自多个业务场景的数据，并期望同时为这些场景提供推荐服务。在检索步骤中，从大量语料库中选择的topK高质量项目通常需要针对多个场景而变化。以阿里巴巴展示广告系统为例，不仅是因为淘宝用户的行为模式多样，差异化场景的广告主分配的竞价也差异显著。传统的方法要么为每个场景分别训练模型，忽略用户组和项目的跨域重叠，要么简单地混合所有样本并维护一个共享模型，这使得难以捕获场景之间的显著差异。在本文中，我们提出了自适应领域兴趣网络，自适应地处理跨场景的共性和差异，在训练过程中充分利用多场景数据。然后，所提出的方法是能够提高每个业务领域的性能，在不同的情况下，在在线推理过程中给出各种topK候选。具体来说，我们提出的ADI模型的共性和不同领域的共享网络和特定领域的网络，分别。此外，我们应用特定领域的批量归一化和设计领域兴趣适应层的特征级领域自适应。ADI还引入了自训练策略，以捕获跨域的标签级连接。ADI已被部署在阿里巴巴的展示广告系统中，并获得了1.8%的广告收入提升。
2022-06-20 cs.IR
Scenario-Aware Hierarchical Dynamic Network for Multi-Scenario Recommendation
针对现有多场景推荐模型仅依赖粗粒度显式建模的局限，提出场景感知分层动态网络HierRec，联合显隐式建模并自适应感知隐式模式，在公开数据集和工业应用中显著优于现有模型。
2023-09-05 cs.IR
Meta-Shop: Improving Item Advertisement For Small Businesses
Rakuten, Inc.（乐天株式会社）
在本文中，我们研究项目广告的小企业。此应用程序向潜在客户推荐企业要求的特定项目。从分析中，我们发现，现有的推荐系统（RS）是无效的小/新的企业与一些销售历史。RS中的训练样本可能会高度偏向销售额足够的热门企业，并可能降低小企业的广告效果。我们提出了一种基于元学习的RS来提高小型/新企业和商店的广告效果：Meta-Shop。Meta-Shop利用先进的元学习优化框架，为商店级推荐构建模型。它还整合和转移知识之间的大型和小型商店，从而学习更好的功能，在小型商店。我们在真实世界的电子商务数据集和公共基准数据集上进行了实验。Meta-Shop的表现优于生产基线和最先进的RS模型。具体而言，与其他RS模型相比，它在Recall@1M和nDCG@3的用户推荐方面实现了高达16.6%的相对改善。
2022-12-02 cs.IR cs.LG
An Efficient Embedding Based Ad Retrieval with GPU-Powered Feature Interaction
Tencent Inc.（腾讯公司）
本文提出基于GPU的高效特征交互方法，提升广告检索准确性和效率，已在腾讯广告系统中成功部署并取得显著性能提升。
2025-12-26 cs.IR cs.LG
Data Efficiency for Large Recommendation Models
Google（谷歌）
本文面向大型推荐模型训练的数据成本问题，提出优化数据需求的原则与框架，并结合 Google Ads CTR 模型说明数据收敛、加速方法及数据量与模型规模的平衡。
2024-10-25 cs.IR cs.LG
Robust Representation Learning for Unified Online Top-K Recommendation
Alibaba Group（阿里巴巴集团）；Cainiao Network（菜鸟网络）
针对多领域广告检索中的不一致与专家优化难题，提出基于鲁棒表示学习的统一在线Top-K推荐方法，利用领域对抗和多视图Wasserstein分布学习及正交约束平衡冲突目标，已在线部署验证有效。
2023-10-24 cs.AI cs.IR
Operation-aware Neural Networks for User Response Prediction
Nanjing University（南京大学）
用户反应预测对在线广告系统和推荐系统的快速发展做出了至关重要的贡献。学习特征交互的重要性已经被许多作品所强调。许多深度模型被提出来自动学习高阶特征交互。由于广告系统和推荐系统中的大多数特征都是高维稀疏特征，因此深度模型通常为底层的每个特征学习一个低维的分布式表示。除了传统的全连接架构外，还提出了一些新的操作，如卷积操作和乘积操作，以更好地学习特征交互。在这些模型中，表示在不同的操作之间共享。然而，不同操作的最佳表示可能不同。在本文中，我们提出了一个新的神经模型命名为操作感知神经网络（ONN），学习不同的表示为不同的操作。我们在两个大规模真实世界广告点击/转换数据集上的实验结果表明，ONN在离线训练环境和在线训练环境中的表现始终优于最先进的模型。
2019-04-02 cs.IR cs.LG stat.ML
Retrievable Domain-Sensitive Feature Memory for Multi-Domain Recommendation
Noah’s Ark Lab, Huawei（华为诺亚实验室）；Tsinghua University（清华大学）
针对现有多域推荐方法忽略域敏感特征、域差异学习不足的问题，提出域敏感特征归因方法与可检索记忆架构，有效捕捉域差异，提升推荐性能。
2025-05-16 cs.IR cs.LG
Optimization Matrix Factorization Recommendation Algorithm Based on Rating Centrality
在推荐系统中，矩阵分解（MF）被广泛地用于从显式评分中挖掘用户偏好。然而，显式评分的可靠性并不总是一致的，因为许多因素可能会影响用户对物品的最终评价，包括商业广告和朋友的推荐。因此，挖掘用户的可靠评分是进一步提高推荐系统性能的关键。在这项工作中，我们分析的偏差程度的用户和项目的总体评分分布，并提出了基于用户的评分中心度和基于项目的评分中心度的概念，分别。此外，基于评分中心性，我们衡量每个用户评分的可靠性，并提供了一个优化的矩阵分解推荐算法。在两个常用的推荐数据集上的实验结果表明，该方法与其他矩阵分解推荐算法相比，具有更好的性能，尤其是在稀疏数据集上。
2018-06-20 cs.IR
On the Value of Bandit Feedback for Offline Recommender System Evaluation
Criteo AI Lab（Criteo人工智能实验室）
在学术文献中，推荐系统经常被评估下一个项目预测的任务。该过程旨在回答以下问题：“给定到时间t的用户-项目交互的自然序列，我们能否预测用户在时间t+1将与哪个项目交互？".通过所述方法获得的评估结果然后被用作预测哪个系统将在在线设置中表现得更好的代理。然而，在线设置提出了一个微妙的不同问题：“给定用户与项目交互的自然序列，直到时间t，我们能让用户在时间t+1与推荐项目交互吗？".从因果关系的角度来看，系统执行干预，我们希望衡量其效果。下一个项目预测通常被用作一个后备目标，当有关干预措施及其效果的信息（显示的建议以及是否收到点击）不可用时。然而，当这种类型的数据可用时，它可以为可靠地估计在线推荐系统的性能提供很大的价值。通过一系列的模拟实验与健身房环境，我们显示传统的离线评估方案不足。此外，我们展示了如何利用所谓的强盗反馈进行有效的离线评估，更准确地反映在线性能。
2019-07-26 cs.IR cs.LG stat.ML
Graphite: A Graph-based Extreme Multi-Label Short Text Classifier for Keyphrase Recommendation
University（大学）
提出基于图的轻量级分类器Graphite，解决广告电商中实时关键短语推荐问题，无需GPU即可在超大规模数据集上训练，性能媲美标准模型且更具可解释性。
2024-07-29 cs.IR cs.LG
Understanding the Ranking Loss for Recommendation with Sparse User Feedback
针对稀疏正反馈下CTR预测中BCE导致负样本梯度消失的问题，本文揭示辅助排序损失通过增大负样本梯度改善优化，并经理论、公开实验及腾讯在线系统验证有效。
2024-07-05 cs.IR
AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising
针对现有CTR预测未充分利用拍卖信息且存在拍卖偏差的问题，提出含两个轻量可插拔模块的AIE框架，经多数据集实验和线上A/B测试验证，有效提升eCPM与CTR指标。
2024-08-15 cs.IR
An Comparative Analysis about KYC on a Recommendation System Toward Agentic Recommendation System
Hechu Tech（海楚科技）
本文提出利用代理AI的KYC推荐系统，通过对比不同垂直领域的性能，评估其在金融领域的应用效果。
2025-12-30 cs.AI cs.IR cs.MA
Beyond Action Imitation: Learning a Decision-Aware User Simulator for Online Advertising
Tencent Inc., China（腾讯公司）；National University of Singapore, Singapore（新加坡国立大学）
针对现有用户模拟器仅基于单领域交互模仿动作的缺陷，本文提出决策感知用户模拟器DASH，通过上下文工程、蒸馏思考轨迹与定制规则奖励模型，在腾讯广告数据上验证了其多维度优势。
2026-07-30 cs.IR
Lightweight representation learning for efficient and scalable recommendation
在过去的几十年里，推荐已经成为许多在线服务（如流媒体和电子商务）的关键组成部分。算法、评估方法和数据集的最新进展导致了最先进技术的不断改进。然而，要使这些方法扩展到互联网的规模，还有很多工作要做。在线广告为大规模推荐提供了一个独特的试验平台。每天，数十亿用户与数百万产品进行实时交互。解决这一问题的系统必须能够大规模可靠地工作。我们提出了一个有效的模型（LED，轻量级编码器-解码器），达到了复杂性，规模和性能之间的新的权衡。具体来说，我们表明，将大规模矩阵因式分解与轻量级嵌入微调相结合，可以大规模释放最先进的性能。我们进一步提供了系统架构的详细描述，并在互联网的规模上展示了其两个多月的操作。我们的设计允许使用标准硬件在几毫秒内为数十亿用户提供数亿项服务。
2021-11-29 cs.IR
E-commerce in Your Inbox: Product Recommendations at Scale
Yahoo Labs（雅虎实验室）；Yahoo, Inc.（雅虎公司）
近年来，在线广告变得越来越普遍和有效。向访问者展示的广告为发布数字内容、管理社交网络和运营电子邮件服务的网站和应用程序提供资金。鉴于互联网资源的种类如此之多，为给定平台确定适当的广告类型对于财务成功至关重要。原生广告，即在外观和感觉上与内容相似的广告，在新闻和社交提要中取得了巨大的成功。然而，到目前为止，还没有一个成功的公式，广告在电子邮件客户端。在本文中，我们描述了一个系统，利用用户的购买历史确定的电子邮件收据提供高度个性化的产品广告给雅虎邮件用户。我们建议使用一种新的基于神经语言的算法，专门用于提供有效的产品推荐，该算法是根据基线进行评估的，其中包括显示受欢迎的产品和基于同现预测的产品。我们使用大规模的产品购买数据集进行了严格的线下测试，涵盖了172个电子商业网站超过2900万用户的购买。产品推荐形式的广告成功地在在线流量上进行了测试，我们观察到点击率比其他邮件广告形式稳定地提高了9%，转换率也有相当的提高。在成功测试后，该系统于2014年假日季节投入生产。
2016-06-23 cs.AI cs.IR cs.SI
Scenario-Wise Rec: A Multi-Scenario Recommendation Benchmark
针对多场景推荐中数据处理不统一和模型闭源导致比较困难的问题，提出了包含6个数据集、12个模型及训练评估流水线的Scenario-Wise Rec基准，并经工业数据验证，促进了协作研究。
2025-10-13 cs.IR
A Content-Driven Micro-Video Recommendation Dataset at Scale
针对大规模公开微视频推荐数据缺失问题，本文发布含10亿交互、多模态原始视频信息的MicroLens基准，并评测多种推荐模型与视频编码器。
2023-09-27 cs.IR
EGR: Embedding-Native Generative Retrieval with a Shared LLM
Snap Inc.（Snap公司）
研究针对生成式检索在推荐和广告系统中的问题，提出EGR框架，利用共享语言模型在同一嵌入空间学习项目与用户表示，经联合对比训练，在多场景评估中表现出色，提升了转化率，简化了系统设计。
2026-07-28 cs.IR
