【快讯】实验室1篇文章被SIGIR’22录用

近日，博士生汪方野作为第一作者，硕士生王迎旭参与的论文“Enhancing CTR Prediction with Context-Aware Feature Representation Learning”被SIGIR'22录用。该文章提出FRNet，一个轻量化和模型无关的模块，可以应用在现有的点击率（CTR）预测模型上。FRNet通过学习位级别的权重融合了原始特征表示和辅助特征表示，使每一个特征能够在不同的实例中获得上下文相关的表示。在四个广泛使用的数据集以及与数十个基础模型的对比实验研究证明了FRNet的有效性、效率以及兼容性。

国际计算机学会信息检索大会（SIGIR）是人工智能领域智能信息检索（Information Retrieval，IR）方向最权威的国际会议，同时也是CCF A类推荐学术会议，历年录用率仅为20%左右。