深度个性化重定向
信息检索
2019-07-11 v2 机器学习
摘要
在庞大的双边度假租赁市场中，在旅行者层面预测预订概率与价值，在计算广告中起着核心作用。这些市场承载着数百万具有长购物周期的旅行者，他们在发现阶段花费大量时间。旅行者在发现阶段的足迹是有用的数据源，可帮助这些市场预测购物概率与价值。然而，对此并不存在一刀切的解决方案。在本文中，我们提出一种混合模型，将深度与浅层神经网络嵌入注入梯度提升树模型。该方法允许从稀疏会话日志中自动学习数百万旅行者的潜在偏好。此外，我们展示了部署到生产系统中的架构。我们发现，在昂贵复杂的深度神经网络与简单浅层神经网络之间存在一个务实的最佳平衡点，基于离线分析，其可将模型的预测性能提升百分之七。
引用
@article{arxiv.1907.02822,
title = {Deep Personalized Re-targeting},
author = {Meisam Hejazinia and Pavlos Mitsoulis-Ntompos and Serena Zhang},
journal= {arXiv preprint arXiv:1907.02822},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1906.11336