深度意图感知网络用于点击率预测
机器学习
2022-11-17 v1
摘要
电商平台为客户提供进入小程序以满足其特定购物需求的入口。显示在入口图标上的触发物品可吸引更多进入。然而，传统的点击率（CTR）预测模型忽略了用户对触发物品的即时兴趣，无法应用于称为小程序中触发诱导推荐（TIRA）的新推荐场景。此外，由于客户对小程序的高粘性，我们认为现有基于触发的方法过度强调触发物品的重要性，对TIRA而言是不合适的，因为很大一部分客户进入是因其日常购物习惯而非触发器。我们指出TIRA的关键在于提取客户的个性化进入意图，并基于此意图权衡触发的影响。为实现该目标，我们将TIRA的CTR预测转换为分离估计形式，并提出深度意图感知网络（DIAN），其包含三个关键要素：1）意图网络，估计用户的进入意图，即其是受触发器还是习惯影响；2）触发感知网络与3）无触发网络，分别在用户意图指向触发物品和迷你应用的情况下估计CTR。遵循联合学习方式，DIAN可准确预测用户意图，并基于估计意图动态平衡无触发与基于触发的推荐结果。实验表明，DIAN在大型真实数据集上推进了最先进性能，并为淘宝知名小程序聚划算带来了9.39%的在线商品页面浏览量提升和4.74%的CTR提升。
引用
@article{arxiv.2211.08650,
title = {Deep Intention-Aware Network for Click-Through Rate Prediction},
author = {Yaxian Xia and Yi Cao and Sihao Hu and Tong Liu and Lingling Lu},
journal= {arXiv preprint arXiv:2211.08650},
year = {2022}
}
备注
Recommender system in Taobao