Buchumschlag

Query-Mixed Interest Extraction and Heterogeneous Interaction: A Scalable CTR Model for Industrial Recommender Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Fangye, Yang, Guowei, Zhou, Xiaojiang, Yang, Song, Wang, Pengjie
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

GeoGR: A Generative Retrieval Framework for Spatio-Temporal Aware POI Recommendation
von: Wang, Fangye, et al.
Veröffentlicht: (2026)

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

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

CTR-Guided Generative Query Suggestion in Conversational Search
von: Min, Erxue, et al.
Veröffentlicht: (2025)

Disentangled Interest Network for Out-of-Distribution CTR Prediction
von: Zheng, Yu, 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)

A Survey on Point-of-Interest Recommendations Leveraging Heterogeneous Data
von: Wang, Zehui, et al.
Veröffentlicht: (2023)

Enhancing CTR Prediction in Recommendation Domain with Search Query Representation
von: Wang, Yuening, et al.
Veröffentlicht: (2024)

RE-SORT: Removing Spurious Correlation in Multilevel Interaction for CTR Prediction
von: Wu, Song-Li, et al.
Veröffentlicht: (2023)

Diffusion Model for Interest Refinement in Multi-Interest Recommendation
von: Le, Yankun, et al.
Veröffentlicht: (2025)

Moment&Cross: Next-Generation Real-Time Cross-Domain CTR Prediction for Live-Streaming Recommendation at Kuaishou
von: Cao, Jiangxia, et al.
Veröffentlicht: (2024)

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

MTFM: A Scalable and Alignment-free Foundation Model for Industrial Recommendation in Meituan
von: Song, Xin, et al.
Veröffentlicht: (2026)

Unlocking Scaling Law in Industrial Recommendation Systems with a Three-step Paradigm based Large User Model
von: Yan, Bencheng, et al.
Veröffentlicht: (2025)

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

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

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

Aggregate and Broadcast: Scalable and Efficient Feature Interaction for Recommender Systems
von: Li, Kaiyuan, et al.
Veröffentlicht: (2025)

Modeling the Heterogeneous Duration of User Interest in Time-Dependent Recommendation: A Hidden Semi-Markov Approach
von: Zhang, Haidong, et al.
Veröffentlicht: (2024)

HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
von: Huang, Yunwen, et al.
Veröffentlicht: (2026)

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

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

GenCI: Generative Modeling of User Interest Shift via Cohort-based Intent Learning for CTR Prediction
von: Ou, Kesha, et al.
Veröffentlicht: (2026)

Interest Changes: Considering User Interest Life Cycle in Recommendation System
von: Cai, Yinjiang, et al.
Veröffentlicht: (2025)

Treatment Effect Estimation for User Interest Exploration on Recommender Systems
von: Chen, Jiaju, et al.
Veröffentlicht: (2024)

Analysis and Design of a Personalized Recommendation System Based on a Dynamic User Interest Model
von: Mao, Chunyan, et al.
Veröffentlicht: (2024)

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

Improving Sequential Recommenders through Counterfactual Augmentation of System Exposure
von: Zhao, Ziqi, et al.
Veröffentlicht: (2025)

IAT: Instance-As-Token Compression for Historical User Sequence Modeling in Industrial Recommender Systems
von: Li, Xinchun, et al.
Veröffentlicht: (2026)

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2026)

LLMs for User Interest Exploration in Large-scale Recommendation Systems
von: Wang, Jianling, et al.
Veröffentlicht: (2024)

A Survey on Query-based API Recommendation
von: Wei, Moshi, et al.
Veröffentlicht: (2023)

RankMixer: Scaling Up Ranking Models in Industrial Recommenders
von: Zhu, Jie, et al.
Veröffentlicht: (2025)

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

LLM-Driven Dual-Level Multi-Interest Modeling for Recommendation
von: Wang, Ziyan, et al.
Veröffentlicht: (2025)

Learning and Optimization of Implicit Negative Feedback for Industrial Short-video Recommender System
von: Pan, Yunzhu, et al.
Veröffentlicht: (2023)

Causal Distillation for Alleviating Performance Heterogeneity in Recommender Systems
von: Zhang, Shengyu, et al.
Veröffentlicht: (2024)

OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
von: Zhang, Zhaoqi, et al.
Veröffentlicht: (2025)

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

Why Not Together? A Multiple-Round Recommender System for Queries and Items
von: Jin, Jiarui, et al.
Veröffentlicht: (2024)