用于展示广告中创意排序的带视觉先验的混合 Bandit 模型
计算机视觉与模式识别
2021-02-19 v2 信息检索
摘要
创意在电子商务中对于展示产品起着非常重要的作用。卖家通常会创建多个创意以进行全面展示，因此展示最具吸引力的设计以最大化点击率（CTR）至关重要。为此，现代推荐系统在产品面向用户提出时动态地对创意进行排序。然而，该任务比传统的产品推荐面临更严重的冷启动问题。在本文中，我们提出一种带视觉先验的混合 Bandit 模型，其首先通过视觉评估进行预测，然后自然地演化为通过混合 Bandit 模型聚焦于特殊性。我们的贡献有三方面：1）我们提出一个视觉感知排序模型（称为 VAM），它结合列表式排序损失，根据视觉外观对创意进行排序。2）将视觉评估作为先验，提出混合 Bandit 模型（称为 HBM），通过考虑更多观测值，一致地演化为在线场景做出更好的后验估计。3）构建了首个大规模创意数据集 CreativeRanking，包含超过 50 万产品的 170 万以上创意及其真实的曝光与点击数据。我们还在该数据集和公开的 Mushroom 数据集上进行了大量实验，证明了所提方法的有效性。
引用
@article{arxiv.2102.04033,
title = {A Hybrid Bandit Model with Visual Priors for Creative Ranking in Display Advertising},
author = {Shiyao Wang and Qi Liu and Tiezheng Ge and Defu Lian and Zhiqiang Zhang},
journal= {arXiv preprint arXiv:2102.04033},
year = {2021}
}
备注
To be published in the International World Wide Web Conference (WWW) 2021