WWW / The Web Conference

We Need a More Robust Classifier: Dual Causal Learning Empowers Domain-Incremental Time Series Classification

我们需要一个更稳健的分类器：双因果学习赋能领域增量时间序列分类

Zhipeng Liu, Peibo Duan, Xuan Tang, Haodong Jing, Mingyang Geng, Yongsheng Huang, Jialu Xu, Bin Zhang, Binwu Wang

机构 * School of Software, Northeastern University（东北大学软件学院） ； Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（西安交通大学人工智能与机器人研究所） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Software, University of Science and Technology of China（中国科学技术大学软件学院） 纠错

AI总结 本文提出双因果学习框架DualCD，通过解耦因果特征与虚假特征，提升领域增量时间序列分类的鲁棒性。

Comments This paper has been accepted for publication at ACM WWW 2026

STCRank: Spatio-temporal Collaborative Ranking for Interactive Recommender System at Kuaishou E-shop

STCRank: 时空协同排序用于快手电商互动推荐系统

Boyang Xia, Ruilin Bao, Hanjun Jiang, Jun Wang, Wenwu Ou

AI总结 STCRank通过时空协同排序解决快手电商互动推荐系统中多目标协作与多槽协作问题，提升推荐效果与用户参与度。

Comments Accepted as an oral paper by WWW26 Human-centered recommender systems (HCRS) workshop (https://hcrec.github.io/)

COINS: SemantiC Ids Enhanced COLd Item RepresentatioN for Click-through Rate Prediction in E-commerce Search

COINS: 语义ID增强的冷启动物品表示法用于电商搜索点击率预测

Qihang Zhao, Zhongbo Sun, Xiaoyang Zheng, Xian Guo, Siyuan Wang, Zihan Liang, Mingcan Peng, Ben Chen, Chenyi Lei

机构 * Kuaishou Inc.（快手公司） 纠错

AI总结 COINS通过融合语义ID的协同信息与内容信息，提升冷启动物品的点击率预测精度，实现电商搜索的多样性与推荐效果的双重提升。

Comments Accepted by WWW26