基于移动应用使用行为的通用用户嵌入表示
机器学习
2020-05-28 v1 机器学习
摘要
在本文中，我们报告了腾讯近期基于移动应用使用行为进行用户建模的实践。用户在移动应用使用上的行为，包括留存、安装和卸载，能够很好地指示用户的长期与短期兴趣。例如，若某用户近期安装了 Snapseed，她可能对摄影的兴趣正在增长。此类信息对于众多下游应用（包括广告、推荐等）具有价值。传统上，基于移动应用使用行为的用户建模严重依赖人工特征工程，针对不同下游应用需耗费繁重的人力，且在缺乏领域专家时可能次优。然而，基于移动应用使用行为的自动用户建模面临独特挑战，包括：(1) 留存、安装与卸载虽异构但需联合建模；(2) 用户行为在时间上分布不均；(3) 许多长尾应用存在严重稀疏性。在本文中，我们提出一个定制的自动编码器耦合 Transformer 网络（AETN），借此克服上述挑战，实现减少人工投入与提升性能的目标。我们已在腾讯部署该模型，来自多个下游应用领域的线上/线下实验均证明了所输出用户嵌入表示的有效性。
引用
@article{arxiv.2005.13303,
title = {General-Purpose User Embeddings based on Mobile App Usage},
author = {Junqi Zhang and Bing Bai and Ye Lin and Jian Liang and Kun Bai and Fei Wang},
journal= {arXiv preprint arXiv:2005.13303},
year = {2020}
}
备注
To be published in the KDD2020 proceedings as a full paper