利用变分嵌入学习框架缓解CTR预测中的冷启动问题
信息检索
2022-01-27 v1 机器学习
摘要
我们提出了一种通用的变分嵌入学习框架（VELF），用于缓解CTR预测中严重的冷启动问题。VELF通过两种方式缓解由数据稀疏性引起的过拟合，从而解决冷启动问题：学习概率化嵌入，以及引入可利用冷启动用户和广告（Ads）丰富侧信息的可训练正则化先验。这两种技术被自然地整合到一个变分推断框架中，形成端到端的训练过程。在基准数据集上的大量实证测试充分展示了我们所提出的VELF的优势。此外，扩展实验证实，相较于传统固定先验，我们的参数化正则化先验提供了更强的泛化能力。
引用
@article{arxiv.2201.10980,
title = {Alleviating Cold-start Problem in CTR Prediction with A Variational Embedding Learning Framework},
author = {Xiaoxiao Xu and Chen Yang and Qian Yu and Zhiwei Fang and Jiaxing Wang and Chaosheng Fan and Yang He and Changping Peng and Zhangang Lin and Jingping Shao},
journal= {arXiv preprint arXiv:2201.10980},
year = {2022}
}
备注
In Proceedings of the Web Conference 2022 (WWW 2022), April 25-29, 2022, Lyon, France. 9 pages