基于图神经网络的匿名用户交互关系分析与广告反馈预测
信息检索
2025-06-18 v1 人工智能
机器学习
摘要
在线广告高度依赖匿名用户的隐性交互网络来进行参与度推断以及投放策略的选择与优化，但现有的图模型很少能够捕捉这些交互网络的多尺度时间、语义和高阶依赖特征，因此难以描述匿名行为的复杂模式。在本文中，我们提出了解耦时间层次图神经网络（DTH-GNN），实现了三个主要贡献。首先，我们引入了时间边分解，将每次交互分解为三种通道：短期爆发、昼夜周期和长期记忆，并使用并行膨胀残差的卷积核进行特征提取；其次，我们的模型构建了层次异构聚合，其中用户-用户、用户-广告、广告-广告子图通过元路径条件 Transformer 编码器进行组合，噪声结构通过跨通道自注意力与门控关系选择器的协同作用动态抑制；第三，我们制定了反馈感知的对比正则性，最大化各种时间切片的一致性，最大化双视角目标控制曝光信息的熵，提出双动量队列蒸馏的全局原型，并结合轻量级策略梯度层与延迟变换信号来微调节点表示以实现收益导向。DTH-GNN 的 AUC 相比最佳基线模型提升了 8.2%，对数损失改善了 5.7%。
引用
@article{arxiv.2506.13787,
title = {Analysis of Anonymous User Interaction Relationships and Prediction of Advertising Feedback Based on Graph Neural Network},
author = {Yanjun Dai and Haoyang Feng and Yuan Gao},
journal= {arXiv preprint arXiv:2506.13787},
year = {2025}
}