Junewang0614的博客

美团2024年www的一篇文章，将对手建模opponent modeling引入浮动位广告分配问题中，在强化学习框架中加入对user响应的建模。

美团22年cikm中的一篇关于浮动广告位的paper。核心思路是在offline的强化学习训练中引入辅助任务来帮助模型学习到更有效的表示。

22年美团关于浮动广告位的一个工作，发表于sigir

今年KDD上一篇paper，通过学习语言表征的方式进行序列推荐，特点之一是摒弃了传统推荐中使用的ID，用key:value格式的item属性，也就是item的内容来表示item。

基于事件的社交网络(EBSNs)是新兴的用户社交平台，能够线上发布活动，吸引用户线下参加。事件的具体内容在事件推荐中发挥着重要作用。然而，因为聚焦于利用从事件角度的内容信息，现存于事件推荐系统的基于内容的方法不能完全表示每个用户对于事件的偏好。同时方法中常用的词袋模型，只能捕捉词频，忽略了词序以及句子的结构。在这篇文章中，我们转变聚焦于事件的视角，关注用户视角，针对事件推荐提出了一个深度用户建模的框架(Deep User Modeling framework for。