用于理解广告主意图与满意度的深度预测网络
社会与信息网络
2020-09-01 v1 机器学习
机器学习
摘要
对于淘宝和亚马逊等电子商务平台，广告主在整个数字生态系统中扮演着重要角色：他们的行为显著影响用户的浏览和购物体验；更重要的是，广告主在广告上的支出构成了平台收入的主要来源。因此，为广告主提供更好的服务对电商平台的长期繁荣至关重要。为实现这一目标，广告平台需要从广告主营销意图及其对广告效果的满意度两方面深入理解广告主，并据此进一步开展优化，以正确方向服务广告主。本文提出一种新颖的深度满意度预测网络（DSPN），同时建模广告主意图与满意度。该网络采用两阶段结构，通过考虑广告主行为信息特征与广告效果指标，联合学习广告主意图向量与满意度。在阿里巴巴广告数据集上的实验与线上评估表明，我们所提出的 DSPN 优于最先进的基线方法，并在线上环境中具有稳定的 AUC 性能。进一步分析表明，DSPN 不仅能准确预测广告主满意度，还能学习到可解释的广告主意图，揭示了进一步优化广告效果的机遇。
引用
@article{arxiv.2008.08931,
title = {A Deep Prediction Network for Understanding Advertiser Intent and Satisfaction},
author = {Liyi Guo and Rui Lu and Haoqi Zhang and Junqi Jin and Zhenzhe Zheng and Fan Wu and Jin Li and Haiyang Xu and Han Li and Wenkai Lu and Jian Xu and Kun Gai},
journal= {arXiv preprint arXiv:2008.08931},
year = {2020}
}