Buchumschlag

Efficient Transfer Learning Framework for Cross-Domain Click-Through Rate Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Qi, Tang, Xingyuan, Huang, Jianqiang, Yu, Xiangqian, Jin, Haoran, Chen, Jin, Pu, Yuanhao, Lian, Defu, Qu, Tan, Wang, Zhe, Cheng, Jia, Lei, Jun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Group Interest Modeling of Full Lifelong User Behaviors for CTR Prediction
von: Liu, Qi, et al.
Veröffentlicht: (2023)

Towards Unifying Feature Interaction Models for Click-Through Rate Prediction
von: Kang, Yu, et al.
Veröffentlicht: (2024)

Cross Domain LifeLong Sequential Modeling for Online Click-Through Rate Prediction
von: Hou, Ruijie, et al.
Veröffentlicht: (2023)

Understanding and Counteracting Feature-Level Bias in Click-Through Rate Prediction
von: Jin, Jinqiu, et al.
Veröffentlicht: (2024)

FCN: Fusing Exponential and Linear Cross Network for Click-Through Rate Prediction
von: Li, Honghao, et al.
Veröffentlicht: (2024)

Optimizing Feature Set for Click-Through Rate Prediction
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2023)

Open Benchmarking for Click-Through Rate Prediction
von: Zhu, Jieming, et al.
Veröffentlicht: (2020)

Deep Situation-Aware Interaction Network for Click-Through Rate Prediction
von: Lv, Yimin, et al.
Veröffentlicht: (2026)

Recall-Augmented Ranking: Enhancing Click-Through Rate Prediction Accuracy with Cross-Stage Data
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

Quadratic Interest Network for Multimodal Click-Through Rate Prediction
von: Li, Honghao, et al.
Veröffentlicht: (2025)

Retrieval-Oriented Knowledge for Click-Through Rate Prediction
von: Liu, Huanshuo, et al.
Veröffentlicht: (2024)

Infer As You Train: A Symmetric Paradigm of Masked Generative for Click-Through Rate Prediction
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

Federated Cross-Domain Click-Through Rate Prediction With Large Language Model Augmentation
von: Qin, Jiangcheng, et al.
Veröffentlicht: (2025)

Enhancing Cross-domain Click-Through Rate Prediction via Explicit Feature Augmentation
von: Chen, Xu, et al.
Veröffentlicht: (2023)

Deep Pattern Network for Click-Through Rate Prediction
von: Zhang, Hengyu, et al.
Veröffentlicht: (2024)

Deep Multiple Quantization Network on Long Behavior Sequence for Click-Through Rate Prediction
von: Wei, Zhuoxing, et al.
Veröffentlicht: (2025)

GACE: Learning Graph-Based Cross-Page Ads Embedding For Click-Through Rate Prediction
von: Wang, Haowen, et al.
Veröffentlicht: (2024)

Adaptive Low-Precision Training for Embeddings in Click-Through Rate Prediction
von: Li, Shiwei, et al.
Veröffentlicht: (2022)

DGenCTR: Towards a Universal Generative Paradigm for Click-Through Rate Prediction via Discrete Diffusion
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

Time Matters: A Novel Real-Time Long- and Short-term User Interest Model for Click-Through Rate Prediction
von: Gui, Xian-Jin
Veröffentlicht: (2025)

Predict Click-Through Rates with Deep Interest Network Model in E-commerce Advertising
von: Zhou, Chang, et al.
Veröffentlicht: (2024)

LoopCTR: Unlocking the Loop Scaling Power for Click-Through Rate Prediction
von: Tang, Jiakai, et al.
Veröffentlicht: (2026)

Adaptive User Interest Modeling via Conditioned Denoising Diffusion For Click-Through Rate Prediction
von: Zhao, Qihang, et al.
Veröffentlicht: (2025)

All-domain Moveline Evolution Network for Click-Through Rate Prediction
von: Gao, Chen, et al.
Veröffentlicht: (2024)

FEDIN: Frequency-Enhanced Deep Interest Network for Click-Through Rate Prediction
von: Dai, Zenan, et al.
Veröffentlicht: (2026)

FedUD: Exploiting Unaligned Data for Cross-Platform Federated Click-Through Rate Prediction
von: Ouyang, Wentao, et al.
Veröffentlicht: (2024)

Mutual Learning for Finetuning Click-Through Rate Prediction Models
von: Yilmaz, Ibrahim Can, et al.
Veröffentlicht: (2024)

Addressing Cold-start Problem in Click-Through Rate Prediction via Supervised Diffusion Modeling
von: Zhu, Wenqiao, et al.
Veröffentlicht: (2025)

ELEC: Efficient Large Language Model-Empowered Click-Through Rate Prediction
von: Dong, Rui, et al.
Veröffentlicht: (2025)

Decoupled Multimodal Fusion for User Interest Modeling in Click-Through Rate Prediction
von: Fan, Alin, et al.
Veröffentlicht: (2025)

From Collapse to Stability: A Knowledge-Driven Ensemble Framework for Scaling Up Click-Through Rate Prediction Models
von: Li, Honghao, et al.
Veröffentlicht: (2024)

A Click-Through Rate Prediction Method Based on Cross-Importance of Multi-Order Features
von: Wang, Hao, et al.
Veröffentlicht: (2024)

RAT: Retrieval-Augmented Transformer for Click-Through Rate Prediction
von: Li, Yushen, et al.
Veröffentlicht: (2024)

Distribution-Aware End-to-End Embedding for Streaming Numerical Features in Click-Through Rate Prediction
von: Liu, Jiahao, et al.
Veröffentlicht: (2026)

EST: Towards Efficient Scaling Laws in Click-Through Rate Prediction via Unified Modeling
von: Liu, Mingyang, et al.
Veröffentlicht: (2026)

Generative Long-term User Interest Modeling for Click-Through Rate Prediction
von: Shao, Jiangli, et al.
Veröffentlicht: (2026)

Multi-Epoch learning with Data Augmentation for Deep Click-Through Rate Prediction
von: Fan, Zhongxiang, et al.
Veröffentlicht: (2024)

Learning Multi-Branch Cooperation for Enhanced Click-Through Rate Prediction at Taobao
von: Chen, Xu, et al.
Veröffentlicht: (2024)

Selective Test-Time Compute Scaling for Click-Through Rate Prediction via Uncertainty-Triggered Feature Path Exploration
von: Zhang, Moyu, et al.
Veröffentlicht: (2026)

GRAB: An LLM-Inspired Sequence-First Click-Through Rate Prediction Modeling Paradigm
von: Chen, Shaopeng, et al.
Veröffentlicht: (2026)