FedCTR：基于多平台用户行为数据的联邦原生广告点击率预测
信息检索
2020-07-24 v1
摘要
原生广告是一种流行的在线广告类型，其形式与网站上展示的原生内容相似。原生广告点击率（CTR）预测有助于改善用户体验和平台收益。然而，由于缺少显式用户意图，且带有原生广告的平台上的用户行为可能不足以推断其对广告的兴趣，该任务具有挑战性。幸运的是，用户行为存在于许多在线平台上，它们可为用户兴趣挖掘提供互补信息。因此，利用多平台用户行为对原生广告 CTR 预测是有用的。然而，用户行为高度隐私敏感，且由于用户隐私顾虑和像 GDPR 这样的数据保护法规，不同平台上的行为数据无法直接聚合。现有 CTR 预测方法通常要求集中存储用户行为数据以进行用户建模，不能直接应用于具有多平台用户行为的 CTR 预测任务。本文中，我们提出一种称为 FedCTR 的联邦原生广告 CTR 预测方法，能以隐私保护方式从用户在多个平台上的行为中学习用户兴趣表示。在每个平台上，使用本地用户模型从该平台的本地用户行为中学习用户嵌入。来自不同平台的本地用户嵌入被上传至服务器进行聚合，聚合后的用户嵌入被发送至广告平台用于 CTR 预测。此外，我们分别对本地和聚合用户嵌入应用 LDP 和 DP 技术以增强隐私保护。而且，我们提出了一种具有分布式模型和用户行为的模型训练联邦框架。在真实世界数据集上的大量实验表明，FedCTR 能以隐私保护方式有效利用多平台用户行为用于原生广告 CTR 预测。
引用
@article{arxiv.2007.12135,
title = {FedCTR: Federated Native Ad CTR Prediction with Multi-Platform User Behavior Data},
author = {Chuhan Wu and Fangzhao Wu and Tao Di and Yongfeng Huang and Xing Xie},
journal= {arXiv preprint arXiv:2007.12135},
year = {2020}
}