- SIGIR用于广告投放优化的异步学习用户嵌入
我们提出一个方法,通过使用多模态用户活动的序列基本特征学习模块进行异步学习,可以为每天数十亿用户学习高逼真的用户嵌入。这些异步学习的用户表示嵌入(ALURE)通过图学习转化为用户相似性图,并与用户实时活动相结合,为整个广告发布系统检索与之高 - 使用具有状态序列模型的动态用户建模
用户嵌入在用户参与度预测和个性化服务中起着至关重要的作用。我们提出了 User Stateful Embedding (USE),通过存储先前的模型状态并在未来重新访问,生成和反映用户的不断演变的行为,并通过与同一用户预测相结合的对比学习目 - 基于人眼注视的用户嵌入学习个性化显著性预测
利用少量用户特定的眼动跟踪数据从自然图像和相应的显著性图中提取用户嵌入,创造了一个能够对个体用户细化通用显著性图的新方法。通过对不同用户的图像和个人显著性图对比,使用一个 Siamese 卷积神经编码器学习用户嵌入。在两个公开显著性数据集上 - 用户 - LLM: 基于用户嵌入的高效 LLM 语境化
利用用户嵌入来上下文化大型语言模型,实现显著性能提升。
- 自适应超图网络用于信任预测
我们提出了一种自适应超图网络方法(AHNTP),通过使用高阶相关性来提高信任预测的准确性,并利用基于模式的 PageRank 来捕捉高阶社交影响信息,构建超组以整合复杂相关信息,并利用自适应超图图卷积网络(GCN)层和多层感知机(MLPs) - 扩展用户建模:大规模在线用户表征用于元广告个性化
用户表示对个性化广告至关重要。为了解决训练吞吐量、服务延迟和内存的严格限制,我们提出了一个名为 Scaling User Modeling (SUM) 的框架,在 Meta 的广告排名系统中广泛部署,旨在实现数百种广告模型之间高效可扩展的在 - 基于边缘触发异构图网络的多个节目发行的观众扩展
本研究提出了一种基于异构图网络的双边交互和特征组合的用户个性化嵌入方法,用于视频平台上新节目的推广,能有效解决新节目推广中的冷启动和点击率等问题。
- 带混合差分隐私保证的跨网络社交用户嵌入
提出一个跨网络社交用户嵌入框架 DP-CroSUE,以隐私保护的方式学习用户的全面表示,并在三个真实数据集上展示对用户兴趣预测任务的显著改进和防御嵌入式用户属性推断攻击。
- 每个人的偏好变化不同:加权多兴趣检索模型
本文提出一种名为多兴趣偏好模型的方法,可以更有效地利用用户的顺序交互产生多个用户嵌入并自动学习一组权重来表示用户对每个嵌入的偏好,从而可以按比例从每个兴趣中检索候选项。
- KDD基于移动应用使用的通用用户嵌入
使用移动应用的用户行为数据作为指标实现用户建模,通过 AutoEncoder-coupled Transformer 网络解决手工特征工程带来的人力成本问题,并展示了该网络在多个下游应用实验中嵌入用户的有效性。
- 建模高阶社交关系以实现物品推荐
本文探讨如何通过建立高阶社交关系来影响用户选择,提高物品推荐的性能,所提出的 “高阶社交推荐器”(HOSR) 模型通过直接因素化社交关系,将间接影响融入预测模型,通过在社交网络中递归地 “传播” 嵌入,有效地注入了高阶邻居的影响,实证结果表 - 联邦用户表示学习
本文介绍了一种名为 FURL 的方法,它使用现有的神经个性化技术,通过学习用户表示(嵌入)来改善神经网络模型预测准确性。FURL 将模型参数分为联邦和私有参数,其中私有参数(如私有用户嵌入)在本地训练,但不会被传输或平均在服务器上。该参数拆 - COLINGCASCADE:在线讨论论坛中的语境讽刺识别
本研究提出了 CASCADE (a ContextuAl SarCasm DEtector) 用于在在线社交媒体讨论中,采用基于内容和上下文驱动的混合方法进行讽刺检测,能够提取讨论线程中的上下文信息,使用用户嵌入来编码用户的风格和个性特征, - ACL使用文本信息在社交媒体上检索社区成员
该研究针对社区成员检测问题,提出了一种无监督的代理任务,利用文本特征进行用户嵌入学习,实验结果表明该方法比常规无监督表示更有效。
- 利用用户嵌入改进虐待性评论的监控
本文探讨了如何通过添加用户嵌入、用户类型嵌入、用户偏差或用户类型偏差来改进一种最先进的基于循环神经网络的评论审核方法,并在希腊新闻体育门户网站的约 160 万条用户评论数据集上实验,观察到在所有情况下都有改善,其中用户嵌入具有最大的性能提升 - 利用神经用户嵌入从社交媒体量化心理健康
本文提出了一种利用社交媒体内容自动补充传统调查方法得出近实时大规模粗略估计心理健康状况的方法,该方法利用用户 embedding,本研究证明了这些 embedding 可以捕捉到与精神疾病相关的行为特征,从而能够预测用户的心理健康状况。
- 利用用户嵌入模拟上下文进行社交媒体中的讽刺检测
该研究提出了一个基于深度神经网络的、用于自动检测讽刺的模型,其中利用了用户嵌入向量和词汇信号,避免繁琐的特征工程和数据爬取,经实验证明总体效果优于现有方法。