重磅推荐专栏： 《Transformers自然语言处理系列教程》 手把手带你深入实践Transformers，轻松构建属于自己的NLP智能应用！ 可以先参阅阿里的另外一篇论文《深度推荐模型——BST [KDD 19][Alibaba]》 这两篇文章很相似，不同的点在于： 1、BERT4Rec引入了BERT 预训练预测MASK Token的方式，提升了模型的泛化性 2、BST有target

本文介绍大搜索算法团队发表于CIKM 2021 的论文 Self-Supervised Learning on Users' Spontaneous Behaviors for Multi-Scenario Ranking in E-commerce。论文中提出了多场景推荐排序模型ZEUS （Zoo of ranking modEls for mUltiple Scenarios），基于用户主

近年来，放眼业界广告推荐领域的算法获得了长足的发展，从几篇奠定基础的序列学习、大规模图学习、在线学习&增强学习、多模态推荐问题等起步，业内算法不断迭代发展并在学术和工业场景上取得不错的应用。 京东广告团队不仅在工业场景上非常重视实践，并不断为由“广告主”、“消费者”、“京东”三方的生态正循环中进行技术加码，提供更优的匹配效率、更好的用户体验、更健康的广告生态建设。此外，在近期的学术会议CIKM

Abstract 作者在这一小节提出了自己关于谣言检测的新见解以及新模型： 新闻报道的可信度不应孤立地考虑。相反，可以使用之前发布的关于类似事件的新闻文章来评估新闻报道的可信度。受此启发，我们提出了一个基于BERT的多模式不可靠新闻检测框架，该框架利用对比学习策略从不可靠文章中捕获文本和视觉信息。对比学习者与不可靠新闻分类器进行交互，将相似的可信新闻（或类似的不可靠新闻）推得更近，同时在多模态嵌