用于营销活动效果的分层胶囊预测网络
机器学习
2022-08-23 v1 机器学习
摘要
营销活动是一组可促进业务目标实现的战略性活动。由于先验知识通常从观测数据中学习而无需对营销活动进行任何干预，真实工业场景中营销活动的效果预测非常复杂且具有挑战性。此外，每个主体总是同时受到若干营销活动的干扰。因此，我们难以轻易解析和评估单个营销活动的效果。据我们所知，目前尚无有效方法解决此类问题，即基于具有多个交织事件的分层结构建模个体级预测任务。本文深入分析了效果预测任务中涉及的类解析树底层结构，并进一步建立了一种分层胶囊预测网络（HapNet）用于预测营销活动的效果。基于合成数据和真实数据的广泛结果表明，我们的模型优于最先进的方法，并在真实工业应用中展现出显著的实用性。
引用
@article{arxiv.2208.10113,
title = {Hierarchical Capsule Prediction Network for Marketing Campaigns Effect},
author = {Zhixuan Chu and Hui Ding and Guang Zeng and Yuchen Huang and Tan Yan and Yulin Kang and Sheng Li},
journal= {arXiv preprint arXiv:2208.10113},
year = {2022}
}
备注
Proceedings of the 31st ACM International Conference on Information and Knowledge Management (CIKM '22)