Click-sequence-aware DeeP Neural Network (DNN)-based Pop-uPs RecOmmendation
C-3PO 是一套以深度神經網路 (DNN) 為核心的 行動應用通知欄彈窗推薦系統。其關鍵創新在於將用戶過去的「點擊序列」(Click Sequence) 納入推薦模型，從而精準判斷在何時、對哪位用戶推送何種通知，以提升用戶互動率並降低打擾感。
相較於傳統推薦系統，C-3PO 透過學習用戶的時序行為模式，避免了對靜態特徵的依賴，在大規模真實行動應用場景中展現出顯著的準確性提升。
CiteScore 5.1 / Impact Factor 3.732 | Q2 | Springer
C-3PO 的推薦管道利用用戶歷史互動序列，透過 DNN 預測最佳推送時機與內容：
核心洞見：將「點擊序列感知」(Click-sequence-aware) 機制引入 DNN，使模型能理解用戶的行為時序規律，而非僅依賴單次靜態特徵，從根本上提升推薦精準度。
以點擊序列建模用戶的時序行為模式，掌握「何時」是最佳推送時機。
針對每位用戶的獨特行為偏好進行個人化建模，精準決定推送內容。
在具有數千萬月活用戶的真實行動應用後端驗證，具備工業級可行性。
基於 DNN 的安卓智慧型手機通知欄彈窗邏輯管理方法
DNN-based Android Smartphone Notification Bar Pop-up Logic Management
Information Processing and Model Training Method, Apparatus, Electronic Device and Storage Medium
資訊處理與模型訓練方法、裝置、電子設備及儲存介質
NVIDIA Developer Blog
"AI Improves the Frequency and Quality of Mobile App Notifications" — 深度報導 C-3PO 如何利用 GPU 加速大規模行動應用通知的個人化推薦。
BBC
"Taiwan's front-line battle against mobile phone fraud" — 提及 TonTon Huang 在行動安全與用戶行為分析的跨領域研究背景。
@article{c3po2019softcomputing,
title={C-3PO: Click-sequence-aware DeeP Neural Network (DNN)-based Pop-uPs RecOmmendation},
author={Huang, TonTon Hsien-De and Kao, Hung-Yu},
journal={Soft Computing},
volume={23},
number={22},
pages={11793--11799},
year={2019},
publisher={Springer}
}