KDD

FCN: Fusing Exponential and Linear Cross Network for Click-Through Rate Prediction

FCN: 通过融合指数和线性交叉网络进行点击通过率预测

Honghao Li, Yiwen Zhang, Yi Zhang, Hanwei Li, Lei Sang, Jieming Zhu

AI总结 FCN通过融合线性和指数交叉网络，显式建模特征交互，提升CTR预测的性能、效率和可解释性。

Comments KDD'26 accepted

Certified Defense on the Fairness of Graph Neural Networks

对图神经网络公平性的认证防御

Yushun Dong, Binchi Zhang, Hanghang Tong, Jundong Li

机构 * Florida State University（佛罗里达州立大学） ； University of Virginia（弗吉尼亚大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出ELEGANT框架，通过理论分析实现对图神经网络公平性的认证防御，无需假设结构或重新训练，适用于各种优化后的GNN部署。

Comments Accepted at SIGKDD'26 for publication

Offline Behavioral Data Selection

离线行为数据选择

Shiye Lei, Zhihao Cheng, Dacheng Tao

机构 * School of Computer Science The University of Sydney Sydney Australia ； College of Computing \& Data Science Nanyang Technological University Singapore ； School of Computer Science The University of Sydney ； College of Computing \& Data Science Nanyang Technological University 纠错

AI总结 本文提出SDR方法，通过分步裁剪和双排序策略，有效提升离线行为数据的选择效率。

Comments Accepted by KDD 2026