冷用户CTR精度升
解耦全局偏好与个人残差偏好，通过共享预测器获取集体知识，冷用户少量交互即可快速学习，CTR预测精度超越现有方法。
沈艳艳 · Lifan, Zhao · Cheng, Weiyu · Zibin, Zhang · Wenwen, Zhou · 70503273
ACM Transactions on Information Systems 2023
通过共享预测器学习全局偏好知识，再让个体残差偏好快速拟合，避免现有方法的全局知识缺失问题。
基于最近邻和岭回归的两种算法只需少量用户互动即可推断残差偏好，优化效率高。
在三个公开数据集上，优于多种最先进方法，证明解耦建模有效提升冷用户预测表现。