paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
JZ

Jun Zhang

KDD 2026SIGIR 2026数据与预训练对齐与偏好安全检索与知识
新星分贡献者
65
一作贡献40
核心/参与4
方向广度11
合作网络3
1 一作 · 2 篇 · KDD 2026 / SIGIR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
一作SIGIR 2026Oral· Information Retrieval (Full)

FedMM: Federated Collaborative Signal Quantization for Multi-Market CTR Prediction

Jun Zhang · Dugang Liu · Xing Tang · xiuqiang He · Zhong Ming

摘要

Online platforms such as Amazon and Netflix serve users across multiple countries and regions, underscoring the importance of multi-market recommendation (MMR). Most MMR methods adopt a pre-training and fine-tuning paradigm, in which a unified model is first trained on centralized, global data an...

数据与预训练对齐与偏好安全OpenReview

常见合作者