几篇KDD'24大厂推荐系统优化工作总结

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 👇🏻扫码👇🏻 加入 圆圆算法知识星球~ （ 已有 880+ 同学加入学习， 700+ 干货笔记） 今天这篇文章给大家介绍几篇KDD2024中，大厂在推荐系统领域的优化工作，论文来自爱彼迎、腾讯、快手、美团等公司，设计多目标建模、多样性、搜索意图建模、ranking loss等问题。 1 爱彼迎：多目标建模和模型蒸馏 论文标题 ：Multi-objective Learning to Rank by Model Distillation 下载地址 ：https://arxiv.org/pdf/2407.07181 多目标建模转换成模型蒸馏问题。多目标的场景要求最小化一个目标的预测误差，同时其他目标的预估误差在一个约束内。假设单独训练的一个单目标模型，效果一定比多目标一起训练的这个目标的预测误差要小，上述问题就等价于一个模型蒸馏损失函数。这个损失函数一方 ………………………………