Buchumschlag

Unleashing the Potential of Sparse Attention on Long-term Behaviors for CTR Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lai, Weijiang, Jin, Beihong, Zhang, Di, Chen, Siru, Zhang, Jiongyan, Gou, Yuhang, Dong, Jian, Wang, Xingxing
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Long-term User Behaviors with Diffusion-driven Multi-interest Network for CTR Prediction
von: Lai, Weijiang, et al.
Veröffentlicht: (2025)

Exploring Scaling Laws of CTR Model for Online Performance Improvement
von: Lai, Weijiang, et al.
Veröffentlicht: (2025)

Denoising Long- and Short-term Interests for Sequential Recommendation
von: Zhang, Xinyu, et al.
Veröffentlicht: (2024)

A Vlogger-augmented Graph Neural Network Model for Micro-video Recommendation
von: Lai, Weijiang, et al.
Veröffentlicht: (2024)

LREA: Low-Rank Efficient Attention on Modeling Long-Term User Behaviors for CTR Prediction
von: Song, Xin, et al.
Veröffentlicht: (2025)

MATT-CTR: Unleashing a Model-Agnostic Test-Time Paradigm for CTR Prediction with Confidence-Guided Inference Paths
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

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

RIA: A Ranking-Infused Approach for Optimized listwise CTR Prediction
von: Zhang, Guoxiao, et al.
Veröffentlicht: (2025)

Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction
von: Xu, Xiang, et al.
Veröffentlicht: (2024)

Breaking the Length Barrier: LLM-Enhanced CTR Prediction in Long Textual User Behaviors
von: Geng, Binzong, et al.
Veröffentlicht: (2024)

FuXi-Linear: Unleashing the Power of Linear Attention in Long-term Time-aware Sequential Recommendation
von: Ye, Yufei, et al.
Veröffentlicht: (2026)

HoMer: Addressing Heterogeneities by Modeling Sequential and Set-wise Contexts for CTR Prediction
von: Chen, Shuwei, et al.
Veröffentlicht: (2025)

TF4CTR: Twin Focus Framework for CTR Prediction via Adaptive Sample Differentiation
von: Li, Honghao, et al.
Veröffentlicht: (2024)

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

CETN: Contrast-enhanced Through Network for CTR Prediction
von: Li, Honghao, et al.
Veröffentlicht: (2023)

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

AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising
von: Yang, Yang, et al.
Veröffentlicht: (2024)

Explainable CTR Prediction via LLM Reasoning
von: Yu, Xiaohan, et al.
Veröffentlicht: (2024)

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

ClickPrompt: CTR Models are Strong Prompt Generators for Adapting Language Models to CTR Prediction
von: Lin, Jianghao, et al.
Veröffentlicht: (2023)

MARS: Modality-Aligned Retrieval for Sequence Augmented CTR Prediction
von: Xiao, Yutian, et al.
Veröffentlicht: (2025)

TWIN V2: Scaling Ultra-Long User Behavior Sequence Modeling for Enhanced CTR Prediction at Kuaishou
von: Si, Zihua, et al.
Veröffentlicht: (2024)

Unleash the Potential of Long Semantic IDs for Generative Recommendation
von: Xia, Ming, et al.
Veröffentlicht: (2026)

Enhancing CTR Prediction with De-correlated Expert Networks
von: Wang, Jiancheng, et al.
Veröffentlicht: (2025)

Feature Interaction Fusion Self-Distillation Network For CTR Prediction
von: Sang, Lei, et al.
Veröffentlicht: (2024)

Mitigate Position Bias with Coupled Ranking Bias on CTR Prediction
von: Zhao, Yao, et al.
Veröffentlicht: (2024)

A Universal Framework for Compressing Embeddings in CTR Prediction
von: Wang, Kefan, et al.
Veröffentlicht: (2025)

From Scaling to Structured Expressivity: Rethinking Transformers for CTR Prediction
von: Yan, Bencheng, et al.
Veröffentlicht: (2025)

Enhancing CTR Prediction through Sequential Recommendation Pre-training: Introducing the SRP4CTR Framework
von: Han, Ruidong, et al.
Veröffentlicht: (2024)

DUET: Dual Model Co-Training for Entire Space CTR Prediction
von: Xiao, Yutian, et al.
Veröffentlicht: (2025)

Discrete Semantic Tokenization for Deep CTR Prediction
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

A Comprehensive Summarization and Evaluation of Feature Refinement Modules for CTR Prediction
von: Wang, Fangye, et al.
Veröffentlicht: (2023)

FedMM: Federated Collaborative Signal Quantization for Multi-Market CTR Prediction
von: Zhang, Jun, et al.
Veröffentlicht: (2026)

From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models
von: Yin, Mingjia, et al.
Veröffentlicht: (2025)

A Collaborative Ensemble Framework for CTR Prediction
von: Liu, Xiaolong, et al.
Veröffentlicht: (2024)

Feature Staleness Aware Incremental Learning for CTR Prediction
von: Wang, Zhikai, et al.
Veröffentlicht: (2025)

R2LED: Equipping Retrieval and Refinement in Lifelong User Modeling with Semantic IDs for CTR Prediction
von: Liu, Qidong, et al.
Veröffentlicht: (2026)

Warming Up Cold-Start CTR Prediction by Learning Item-Specific Feature Interactions
von: Wang, Yaqing, et al.
Veröffentlicht: (2024)

Towards An Efficient LLM Training Paradigm for CTR Prediction
von: Lin, Allen, et al.
Veröffentlicht: (2025)

MLoRA: Multi-Domain Low-Rank Adaptive Network for CTR Prediction
von: Yang, Zhiming, et al.
Veröffentlicht: (2024)