抖音推荐精排模型ADS论文（2025.2月发表）
最新推荐文章于15527649518:08:20发布。原创，最新推荐文章于15527649518:08:20发布。
核心创新点
通过动态学习用户行为序列与候选项目的多领域表征，实现跨领域的意图理解适配机制。这种双重表征学习机制（用户行为序列+候选项目）是模型的核心创新点。同一个用户历史序列在不同场景中，对用户的representation都是不一样的。
建模
2.1 PSRG
2.2 PCRG
全称：Personalized Candidate Representation Generation
2.3 Target Attention
target attention在推荐领域中，比较常见，常规模型。
实验效果
ADS为本论文的模型名称。
3.2消融实验
3.3 线上实验
抖音场景
总结
target attention证明是有效的。本偏论文对跨域的用户历史序列和target item做了特别优化。相比其他家优秀的模型也提升了效果。