.png){kind=icon}
返回
MARS: Modality-Aligned Retrieval for Sequence Augmented CTR Prediction
.png){kind=icon}
PRE
AI
DOI：10.1109/tkde.2026.3735698.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点击率（CTR）预测是推荐系统的基石。尽管当前基于用户行为建模的CTR模型表现出色，但它们仍严重受限于交互稀疏性，尤其是在低活跃用户场景下。为解决此问题，用户行为数据增强是一个有前景的研究方向。然而，现有数据增强方法过度依赖协同信号，而忽略了物品丰富的多模态特征，导致对低活跃用户的建模不足。为缓解此问题，我们提出了一个新颖的框架MARS（模态对齐检索用于序列增强的CTR预测）。MARS利用基于Stein核的方法将文本和图像特征对齐到统一且无偏的语义空间，以构建多模态用户嵌入。随后，通过多模态用户嵌入检索、过滤并聚焦高活跃用户中最相似的行为序列，对每个低活跃用户的行为序列进行增强。经广泛的离线实验和在线A/B测试验证，我们的MARS框架始终优于当前最优基线，并在快手平台上显著提升了低活跃用户的核心业务指标。
Keyword:
Click-Through rate
data augmentation
modality-aligned
期刊
IF:
10.4
论文数:
6.8K
被引数:
3.2W
机构
引用论文
暂无论文信息