主要观点总结
KDD 2024上工业界搜广推工作论文整理，包括阿里巴巴、腾讯、华为、快手、Adobe等多个公司的研究，涵盖推荐系统、搜索、广告等方向，包括跨域推荐、纠偏、因果推断、蒸馏、CTR预估、序列建模、排序目标、图推荐、多任务等，以及基于大模型或类大模型的生成式推荐、搜索、广告方面的工作。
关键观点总结
关键观点1: KDD 2024工业界搜广推工作论文整理
包括阿里巴巴、腾讯、华为、快手、Adobe等多个公司的研究，涵盖推荐系统、搜索、广告等方向，涵盖跨域推荐、纠偏、因果推断、蒸馏、CTR预估、序列建模、排序目标、图推荐、多任务等传统研究方向，以及基于大模型或类大模型的生成式推荐、搜索、广告工作。
关键观点2: 阿里巴巴研究方向
包括生成式出价、基于大模型的需求理解等。
关键观点3: 腾讯研究方向
包括多模态推荐、排序与校准联合建模、全生命周期跨场景序列建模等。
关键观点4: 华为研究方向
包括序列推荐、生成式推荐、LLM内容生成等。
关键观点5: 快手研究方向
包括融合模型、直播礼物推荐、用户留存建模等。
关键观点6: Adobe研究方向
基于LLM的长尾推荐。
文章预览
KDD 2024论文新鲜出炉，整理下工业界搜广推方面的工作。文末还整理了大模型相关的搜广推工作。 排名不分先后，由于工作较多，存在遗漏的可能。 Alibaba Alibaba工作涵盖面广泛：推荐上，跨域推荐、粗排、GNN等；广告上，生成式出价、合约广告多目标、拍卖广告探索机制等。搜索上，电商相关性架构、LLM需求理解、淘搜文本匹配索引系统等。 跨域推荐 | Mitigating Negative Transfer in Cross-Domain Recommendation via Knowledge Transferability Enhancement 研究跨域推荐系统中知识迁移能力的提升，以减少负面迁移的影响。 Zijian Song (School of CS, Peking University, National Engineering Laboratory for Big Data Analysis and Applications, Peking University); WenHan Zhang (School of CS, Peking University, National Engineering Laboratory for Big Data Analysis and Applications, Peking University); Lifang Deng (Lazada Group); Jiandong Zhang (Lazada Group); W
………………………………
