主要观点总结
本文总结了美团技术团队被CIKM 2024收录的8篇论文，这些论文涉及自监督学习、解释生成、CTR预测、跨域推荐、向量召回、图像生成、时效预测等多个技术领域。文章简要介绍了每篇论文的主题和内容，并给出了论文的类型和下载地址。此外，文章还提到了美团科研合作的相关内容，包括与高校、科研机构的合作，以及推动产学研交流和成果转化的努力。最后，推荐了相关的阅读资料。
关键观点总结
关键观点1: 美团技术团队在CIKM 2024收录的论文涉及多个技术领域
这些论文包括自监督学习、解释生成、CTR预测、跨域推荐、向量召回、图像生成、时效预测等主题。每篇论文都有详细的主题和内容概述，以及论文的类型和下载地址。
关键观点2: 美团科研合作致力于搭建与高校、科研机构的合作桥梁
通过依托美团丰富的业务场景、数据资源和真实产业问题，开放创新，促进产学研合作交流和成果转化，推动优秀人才培养。
关键观点3: 推荐阅读相关论文解读
包括KDD 2024和ACL 2024上美团技术团队的精选论文解读，以及CIKM 2020上的6篇精选论文，这些论文都是相关领域的重要研究成果。
文章预览
总第605 篇 | 2024年第025篇 本文精选了美团技术团队被CIKM 2024收录的8篇论文进行解读，覆盖了自监督学习、解释生成、CTR预测、跨域推荐、向量召回、图像生成、时效预测等多个技术领域。这些论文有美团独立研究，还有跟高校、科研机构合作的成果。希望能给从事相关研究工作的同学带来一些帮助或启发。 CIKM是信息检索、知识管理和数据库领域中顶级的国际学术会议。2024年，CIKM共收到全球1496篇论文投稿，最终347篇被接收，接收率约为23%。 01 Relative Contrastive Learning for Sequential Recommendation with Similarity-based Positive Sample Selection 论文类型 ：Poster（ Full Research Paper track ） 论文地址 ： PDF 论文简介 ：推荐领域通常面临严重的数据稀疏性问题，对比学习作为一种自监督学习方法，通过提供额外的自监督信号来增强序列推荐模型的训练。现有方法通常依赖
………………………………
