Generalized Delayed Feedback Model with Post-Click Information in Recommender Systems
Jia-Qi Yang De-Chuan Zhan
Nanjing University
https://proceedings.neurips.cc/paper_files/paper/2022/file/a7f90da65dd41d699d00e95700e6fa1e-Paper-Conference.pdf
轉(zhuǎn)化率預(yù)估（比如預(yù)測某個用戶購買某個商品的概率）在機器學習推薦系統(tǒng)中是一個基本問題。但是，真實的轉(zhuǎn)化樣本有時很長時間才能返回，這就破壞了推薦系統(tǒng)的時間軸。
先作利用較早的轉(zhuǎn)化來緩解延遲反饋的問題。這篇文章指出，點擊后的用戶行為對轉(zhuǎn)化率預(yù)估來說也是有用信息，并且可以提升時間抽的連貫性。
作者們提出一種廣義延遲反饋模型，GDFM，同時利用點擊后行為，并且將較早轉(zhuǎn)化當做隨機點擊后信息，這樣就可以高效地流式訓練GDFM?；贕DFM，作者們還建立了一種新的視角，即延遲反饋帶來的性能差距，這種差距可以歸結(jié)于時序差距和采樣差距。
基于分析，作者們提出利用時序距離和樣本復(fù)雜度來衡量點擊后信息的質(zhì)量。訓練目標通過突出信息量大和及時的信號來重新加權(quán)。
作者們在公開數(shù)據(jù)集驗證了以上分析，實驗結(jié)果表明了作者們所提方法的有效性。
點擊后行為（如加購物車）相對轉(zhuǎn)化的延遲要短很多
這篇文章的主要貢獻如下
不同情形下的目標函數(shù)對比如下
網(wǎng)絡(luò)結(jié)構(gòu)圖示如下
交叉熵通常會隨時間增長而增加，加購物車->購買的條件分布比轉(zhuǎn)化率相對穩(wěn)定
GDFM流式訓練以及權(quán)重更新算法偽代碼如下
流式評估方案如下
實現(xiàn)細節(jié)簡介如下
幾種方法的效果對比如下
不同超參數(shù)對模型效果影響如下
代碼鏈接
https://github.com/ThyrixYang/gdfm_nips22
? ? ? ? ??? ??
我是分割線
您可能感興趣
SIGIR2019|中科院聯(lián)合清華提出基于ID嵌入Meta-Embedding算法優(yōu)化冷啟動廣告
KDD2021|華為提出對偶圖增強embedding神經(jīng)網(wǎng)絡(luò)DG-ENN用于CTR預(yù)估
KDD2021|因果模型在實時競價重復(fù)曝光次數(shù)中的應(yīng)用
雅虎聯(lián)合阿里提出轉(zhuǎn)化率預(yù)估實用框架并用于在線展示廣告
IJCAI2020|京東聯(lián)合香港理工提出基于點擊校準的注意力模型用于時延歸因轉(zhuǎn)化率預(yù)估
WSDM2022|阿里聯(lián)合中科院提出特征協(xié)同作用網(wǎng)絡(luò)CAN用于點擊率預(yù)估(已開源)
WSDM2022|阿里提出合約廣告自適應(yīng)統(tǒng)一分配框架AUAF(已開源)
ICDM2019|阿里提出大規(guī)模個性化分發(fā)實時平滑算法并用于合約展示廣告
微軟提出實時競價算法并用于效果展示廣告分配
淘寶展示廣告中的優(yōu)化點擊成本算法
在線定向廣告中的預(yù)算控制算法
文章來源：http://www.zghlxwxcb.cn/news/detail-446741.html
KDD2021|清華聯(lián)合雅虎|斯坦福大學|紐約大學提出競價隱藏算法MEOW文章來源地址http://www.zghlxwxcb.cn/news/detail-446741.html
到了這里，關(guān)于NIPS2022|南京大學提出基于點擊后行為的廣義延遲反饋模型的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
