解决方案概述

本文提出了我们在KDD Cup 2026腾讯UNI-REC挑战赛中的解决方案。该任务要求对多领域用户行为序列和非顺序多字段特征进行联合建模，以预测目标广告的点击率（pCVR）。

模型架构

我们开发了一种名为领域感知RankMixer（FA-RankMixer）的模型，该模型采用双流双线性融合。模型首先应用目标感知DIN模块，从多个行为领域中提取用户兴趣。它还分别对最长行为序列中的近期和早期兴趣进行建模。

随后，模型基于特征字段和行为领域形成语义标记，并使用RankMixer块进行跨标记交互。一个浅层的多层感知机（MLP）流补充了深层的RankMixer流，而分组双线性模块则融合了它们的表示。

最终，我们的解决方案在官方排行榜上排名第九。我们的代码可在 GitHub 上找到。

博主点评： FA-RankMixer通过双流架构有效地结合了用户的多领域行为特征，展现了在复杂数据环境中进行精准建模的潜力，值得在实际应用中进一步探索与优化。