1） 2023-多领域信息融合OneRec推荐专场
2） 2023-2023年工业界排序模型新进展
3） 2023 Datafun Summit--面向2026年的推荐系统的十个问题
datafun邀请,组织了这个专题。从2019年开始关注多种信息的萃取融合在推荐算法中的作用，发起了OneRec项目，希望通过各种信息（多类型行为，内容，社交，知识图谱等）的知识集成，极大扩充推荐的“Extra World Knowledge”。这次分享了部分进展。项目开源在：https://github.com/xuanjixiao/onerec。欢迎大家共建。
OneRec系列之知识图谱增强的腾讯视频推荐算法 https://mp.weixin.qq.com/s/K9gRx3eRrW-5Ps-Wzc8hlA
OneREC系列之基于社交兴趣增强的视频推荐算法 https://mp.weixin.qq.com/s/2Ao6ChYRmGtDU8LeE_HrBQ
OneREC系列之基于神经元级共享的 CTR、CVR 多任务联合预估方法 https://mp.weixin.qq.com/s/4PO6EK3b4VCKO0ibd76C9w
4）OneRec系列强化学习建模长期价值， 对于一个session浏览过程，结合短期reward和长期reward，来建模用户价值，从而找到LTV价值更高的结果给到用户，在视频场景和google RL simulator上均有正向效果。https://arxiv.org/pdf/2302.06101.pdf， WWW 2023
CTR 2023 最新进展：Calibration based MetaRec CTR https://mp.weixin.qq.com/s/6DiE5VYJGA_2NAtuSh_okw
CVR 2023进展:Click-aware Structure Transfer with Sample Assignment https://mp.weixin.qq.com/s/iHv_5QfbVV2clNUIFMmJrw
推荐多任务进展：用户生命周期视角下的多任务推荐模型 STAN https://mp.weixin.qq.com/s/PFn9o8poAR--MCA9FLA18Q
演讲题目：面向2026年的推荐算法前瞻 演讲提纲： • 常规的推荐系统范式已经逐渐走入瓶颈，原因是在当前固定化的问题描述下模型和系统几乎已经发展 到极限。当前的主要范式是模型是召回+排序+重排，系统上是样本挖掘+特征工程+线上打分预估能力建设。一线大厂在上述领域已经把空间几乎挖掘殆尽。 • 同时可以看到，我们的用户仍然对当前推荐系统满意度并没有达到理想态。推荐系统是一个非常面向 于用户满意的平台系统，而用户满意是一个永远有不同理解的问题,正如“一千个用户眼里有一千种好 的推荐系统理解”。同时，我们的推荐系统效果和平台的最终价值之间仍然存在差距。 • 构建更好的推荐系统需要我们对重新定义“什么是好的推荐系统”。 • 这并不是学术界的“强行挖坑”或者“继续填坑”，而是不同层面上都在呼唤新的定义。 • 事实上，新的推荐系统已经零散的在学术界和工业界展现星星之火。 🎁 听众收益 ： 1）了解未来3年的推荐系统前沿问题，把握大局方向。 2）参与我们的推荐算法的github开源项目：OneRec。
