用于点击率预测的深度行为路径匹配网络
人工智能
2023-02-02 v1
摘要
电商应用上的用户行为不仅包含对物品的不同种类反馈，有时还隐含用户决策的认知线索。为理解用户决策背后的心理过程，我们提出行为路径，并建议将用户当前行为路径与历史行为路径进行匹配，以预测用户在该应用上的行为。进一步，我们设计了一个用于行为路径匹配的深度神经网络，解决了行为路径建模中的三个难点：稀疏性、噪声干扰以及行为路径的精确匹配。具体而言，我们利用对比学习增强用户行为路径，提供行为路径自激活以缓解噪声影响，并采用两级匹配机制来识别最合适的候选。我们的模型在两个真实数据集上表现出优异性能，优于最先进的CTR模型。此外，我们的模型已部署于美团外卖平台，累计带来CTR提升1.6%和广告收入提升1.8%。
引用
@article{arxiv.2302.00302,
title = {A Deep Behavior Path Matching Network for Click-Through Rate Prediction},
author = {Jian Dong and Yisong Yu and Yapeng Zhang and Yimin Lv and Shuli Wang and Beihong Jin and Yongkang Wang and Xingxing Wang and Dong Wang},
journal= {arXiv preprint arXiv:2302.00302},
year = {2023}
}
备注
Accepted by WWW2023