Buchumschlag

Learning Cascade Ranking as One Network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yunli, Zhang, Zhen, Wang, Zhiqiang, Yang, Zixuan, Li, Yu, Yang, Jian, Wen, Shiyang, Jiang, Peng, Gai, Kun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scaling Laws for Online Advertisement Retrieval
von: Wang, Yunli, et al.
Veröffentlicht: (2024)

Adaptive Neural Ranking Framework: Toward Maximized Business Goal for Cascade Ranking Systems
von: Wang, Yunli, et al.
Veröffentlicht: (2023)

AURO: Reinforcement Learning for Adaptive User Retention Optimization in Recommender Systems
von: Xue, Zhenghai, et al.
Veröffentlicht: (2023)

Enhancing Interpretability and Effectiveness in Recommendation with Numerical Features via Learning to Contrast the Counterfactual samples
von: Xu, Xiaoxiao, et al.
Veröffentlicht: (2025)

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

HoME: Hierarchy of Multi-Gate Experts for Multi-Task Learning at Kuaishou
von: Wang, Xu, et al.
Veröffentlicht: (2024)

CaliCausalRank: Calibrated Multi-Objective Ad Ranking with Robust Counterfactual Utility Optimization
von: Yang, Xikai, et al.
Veröffentlicht: (2026)

Generative Recommendation for Large-Scale Advertising
von: Xue, Ben, et al.
Veröffentlicht: (2026)

Generative Auto-Bidding with Value-Guided Explorations
von: Gao, Jingtong, et al.
Veröffentlicht: (2025)

RankGraph: Unified Heterogeneous Graph Learning for Cross-Domain Recommendation
von: Wu, Renzhi, et al.
Veröffentlicht: (2025)

Unlearning for Federated Online Learning to Rank: A Reproducibility Study
von: Tao, Yiling, et al.
Veröffentlicht: (2025)

Blending Learning to Rank and Dense Representations for Efficient and Effective Cascades
von: Nardini, Franco Maria, et al.
Veröffentlicht: (2025)

Adaptive Convolutional Forecasting Network Based on Time Series Feature-Driven
von: Zhang, Dandan, et al.
Veröffentlicht: (2024)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Creator-Side Recommender System: Challenges, Designs, and Applications
von: Chen, Xiaoshuang, et al.
Veröffentlicht: (2025)

Deep Evolutional Instant Interest Network for CTR Prediction in Trigger-Induced Recommendation
von: Xiao, Zhibo, et al.
Veröffentlicht: (2024)

A Self-boosted Framework for Calibrated Ranking
von: Zhang, Shunyu, et al.
Veröffentlicht: (2024)

RPAF: A Reinforcement Prediction-Allocation Framework for Cache Allocation in Large-Scale Recommender Systems
von: Su, Shuo, et al.
Veröffentlicht: (2024)

Two-Stage Constrained Actor-Critic for Short Video Recommendation
von: Cai, Qingpeng, et al.
Veröffentlicht: (2023)

Residual Multi-Task Learner for Applied Ranking
von: Fu, Cong, et al.
Veröffentlicht: (2024)

Do Not Wait: Learning Re-Ranking Model Without User Feedback At Serving Time in E-Commerce
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

Leave No One Behind: Online Self-Supervised Self-Distillation for Sequential Recommendation
von: Wei, Shaowei, et al.
Veröffentlicht: (2024)

RewardRank: Optimizing True Learning-to-Rank Utility
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2025)

RRCM: Ranking-Driven Retrieval over Collaborative and Meta Memories for LLM Recommendation
von: Li, Shijun, et al.
Veröffentlicht: (2026)

Adaptive$^2$: Adaptive Domain Mining for Fine-grained Domain Adaptation Modeling
von: Sun, Wenxuan, et al.
Veröffentlicht: (2024)

Generative Pre-trained Ranking Model with Over-parameterization at Web-Scale (Extended Abstract)
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

Taming Recommendation Bias with Causal Intervention on Evolving Personal Popularity
von: Tan, Shiyin, et al.
Veröffentlicht: (2025)

Hierarchical Multi-Interest Co-Network For Coarse-Grained Ranking
von: Yuan, Xu, et al.
Veröffentlicht: (2022)

UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

An Efficient Continuous Control Perspective for Reinforcement-Learning-based Sequential Recommendation
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Proximal Ranking Policy Optimization for Practical Safety in Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

RankSHAP: Shapley Value Based Feature Attributions for Learning to Rank
von: Chowdhury, Tanya, et al.
Veröffentlicht: (2024)

Towards More Robust and Accurate Sequential Recommendation with Cascade-guided Adversarial Training
von: Tan, Juntao, et al.
Veröffentlicht: (2023)

DeepMTL2R: A Library for Deep Multi-task Learning to Rank
von: Dong, Chaosheng, et al.
Veröffentlicht: (2026)

DTN: Deep Multiple Task-specific Feature Interactions Network for Multi-Task Recommendation
von: Bi, Yaowen, et al.
Veröffentlicht: (2024)

AdaS&S: a One-Shot Supernet Approach for Automatic Embedding Size Search in Deep Recommender System
von: Wei, He, et al.
Veröffentlicht: (2024)

Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees
von: Kang, Jingwei, et al.
Veröffentlicht: (2024)

Enhancing Travel Decision-Making: A Contrastive Learning Approach for Personalized Review Rankings in Accommodations
von: Igebaria, Reda, et al.
Veröffentlicht: (2024)

Knowledge Graph Context-Enhanced Diversified Recommendation
von: Liu, Xiaolong, et al.
Veröffentlicht: (2023)

Mixed Supervised Graph Contrastive Learning for Recommendation
von: Zhang, Weizhi, et al.
Veröffentlicht: (2024)