基于表格学习的发展中国家高效点击率预测
机器学习
2021-04-16 v1 人机交互
摘要
尽管发展中国家在线广告快速增长，现有高度过参数化的点击率（CTR）预测模型因计算资源有限而难以部署。本文通过桥接 CTR 预测任务与表格学习之间的关系，指出表格学习模型在 CTR 预测中比过参数化 CTR 预测模型更高效且更有效。在八个公开 CTR 预测数据集上的大量实验表明，表格学习模型优于十二个最先进的 CTR 预测模型。此外，与过参数化 CTR 预测模型相比，表格学习模型可在无需包括高性能 GPU 在内的昂贵计算资源的情况下快速训练。最后，通过某实际在线应用的 A/B 测试，我们表明表格学习模型不仅提升了离线性能，也提高了真实用户的 CTR。
引用
@article{arxiv.2104.07553,
title = {Efficient Click-Through Rate Prediction for Developing Countries via Tabular Learning},
author = {Joonyoung Yi and Buru Chang},
journal= {arXiv preprint arXiv:2104.07553},
year = {2021}
}
备注
ICLR 2021 Workshop (PML4DC), 8 pages, 2 figures