融合类别先验的混合CNN注意力机制用于用户图像行为建模
计算机视觉与模式识别
2022-05-06 v1 人工智能
摘要
用户历史行为已被证明对在线广告系统中的点击率(CTR)预测有用。在中国最大的电商平台之一美团,商品通常与其图像一同展示,用户是否点击商品往往受图像影响,这意味着用户的图像行为有助于理解用户的视觉偏好并提高CTR预测的准确性。现有的用户图像行为模型通常采用两阶段架构:第一阶段通过现成的卷积神经网络(CNN)提取图像的视觉嵌入,然后将这些视觉嵌入与非视觉特征联合训练一个CTR模型。我们发现两阶段架构对于CTR预测是次优的。同时,在线广告系统中精确标注的类别包含丰富的视觉先验信息,可增强用户图像行为的建模。然而,无类别先验的现成CNN可能提取与类别无关的特征,限制了CNN的表达能力。为解决这两个问题,我们提出一种基于混合CNN的注意力模块,将用户图像行为与类别先验相统一,用于CTR预测。我们的方法在十亿规模真实服务数据集的线上与离线实验中均取得显著提升。
引用
@article{arxiv.2205.02711,
title = {Hybrid CNN Based Attention with Category Prior for User Image Behavior Modeling},
author = {Xin Chen and Qingtao Tang and Ke Hu and Yue Xu and Shihang Qiu and Jia Cheng and Jun Lei},
journal= {arXiv preprint arXiv:2205.02711},
year = {2022}
}
备注
Accepted by SIGIR 2022