将用户-APP 图分解为子图以实现有效的 APP 与用户嵌入学习
信息检索
2022-10-14 v1
摘要
APP 安装信息有助于刻画用户特征。安装了相似 APP 的用户可能共享若干共同兴趣，并在某些场景中表现相似。本工作中，我们基于每位用户的 APP 安装信息学习用户嵌入向量。由于用户 APP 安装嵌入的学习不依赖于用户的历史 APP 内行为数据，它补充了在各特定 APP 内学习的 APP 内嵌入。因此，它们显著有助于提升各 APP 中个性化广告的效果，并尤其有益于 APP 中新用户的冷启动。本文将 APP 安装用户嵌入学习形式化为一个二部图嵌入问题。学习有效 APP 安装用户嵌入的主要挑战是数据分布不平衡。在此情况下，图学习往往被数十亿用户安装的热门 APP 所主导。换言之，一些利基/专用 APP 对图学习的影响可能微乎其微。为有效利用利基 APP 中的有价值信息，我们将 APP 安装图分解为一组子图。每个子图仅包含一个 APP 节点及安装该 APP 的用户。对于每个小批量，我们在训练过程中仅从同一子图采样用户。从而，每个 APP 都能以更均衡的方式参与训练过程。将学习到的 APP 安装用户嵌入集成至我们的在线个性化广告平台后，我们在点击率、转化率和收入上均获得显著提升。
引用
@article{arxiv.2210.07232,
title = {Decomposing User-APP Graph into Subgraphs for Effective APP and User Embedding Learning},
author = {Tan Yu and Jun Zhi and Yufei Zhang and Jian Li and Hongliang Fei and Ping Li},
journal= {arXiv preprint arXiv:2210.07232},
year = {2022}
}