DMBGN:用于代金券核销率预测的深度多行为图网络
信息检索
2021-06-08 v1 人工智能
机器学习
摘要
在电子商务中,代金券是提升用户参与度并促进销售与收入的重要营销工具。用户核销代金券的可能性是代金券分发决策中的关键因素。用户-商品点击率(CTR)模型常被用于预测用户-代金券核销率。然而,代金券场景涉及用户、商品与代金券之间更复杂的关系。用户在代金券领取活动中的历史行为反映了用户的代金券使用模式,而这却被基于CTR的方案所忽视。本文中,我们提出一种深度多行为图网络(DMBGN)以开拓代金券核销率预测这一领域。复杂的结构化用户-代金券-商品关系由一个用户-行为代金券图(UVG)所捕获。代金券领取前后发生的用户行为均被纳入考量,并通过高阶图神经网络提取高层表示。在一系列UVG之上,构建了一个注意力网络,可帮助学习用户的长期代金券核销偏好。在三个大规模生产数据集上的大量实验表明,所提DMBGN模型是有效的,相较深度神经网络(DNN)取得了10%至16%的相对AUC提升,相较深度兴趣网络(DIN)取得了2%至4%的AUC提升。源代码与样本数据集已公开以供后续研究。
引用
@article{arxiv.2106.03356,
title = {DMBGN: Deep Multi-Behavior Graph Networks for Voucher Redemption Rate Prediction},
author = {Fengtong Xiao and Lin Li and Weinan Xu and Jingyu Zhao and Xiaofeng Yang and Jun Lang and Hao Wang},
journal= {arXiv preprint arXiv:2106.03356},
year = {2021}
}
备注
9 pages, 5 figures, accepted full paper SIGKDD'21 applied data science track