AdsGNN：赞助搜索中行为图增强的相关性建模
信息检索
2021-04-27 v1
摘要
当用户在搜索引擎上寻找产品与服务时，赞助搜索广告会出现在搜索结果旁。近年来，其已成为最盈利的营销渠道之一。作为搜索广告的基础，相关性建模因显著的研究挑战与巨大的实用价值而受到越来越多的关注。多数现有方法仅依赖输入查询-广告对的语义信息，而短广告数据中的纯语义信息不足以充分识别用户搜索意图。我们的动机在于将历史搜索日志中海量无监督用户行为数据作为互补图，以促进相关性建模。本文中，我们深入探究如何自然融合语义文本信息与用户行为图，并进一步提出三种新颖的AdsGNN模型，分别从节点、边与词元的角度聚合拓扑邻域。此外，两个关键但鲜有研究的问题——特定领域预训练与长尾广告匹配——得到了透彻研究。在实证中，我们在大型工业数据集上评估AdsGNN模型，线上/线下测试结果一致证明了我们所提方法的优越性。
引用
@article{arxiv.2104.12080,
title = {AdsGNN: Behavior-Graph Augmented Relevance Modeling in Sponsored Search},
author = {Chaozhuo Li and Bochen Pang and Yuming Liu and Hao Sun and Zheng Liu and Xing Xie and Tianqi Yang and Yanling Cui and Liangjie Zhang and Qi Zhang},
journal= {arXiv preprint arXiv:2104.12080},
year = {2021}
}
备注
Accepted as full paper in SIGIR 2021