面向多场景广告排序的混合对比约束

多场景广告排序旨在利用来自多个领域或渠道的数据训练统一排序模型，以提升各个单一场景下的性能。尽管该任务的研究已取得重要进展，但仍缺乏对跨场景关系的考量，从而导致学习能力受限且难以进行关联建模。本文提出了一种用于多场景广告排序的混合对比约束方法（HC$^2$）。为了增强数据关联建模，我们精心设计了一种混合对比学习方法，以捕捉多个场景间的共性与差异。我们方法的核心由两个精心设计的对比损失构成，即泛化对比损失和个体对比损失，分别旨在捕捉共性知识和特定场景知识。为使对比学习适应复杂的多场景设置，我们提出了一系列重要改进。对于泛化对比损失，我们通过扩展对比样本（标签感知和扩散噪声增强的对比样本）以及对对比样本重新加权（互惠相似度加权）来增强对比学习。对于个体对比损失，我们分别使用基于 dropout 的增强和跨场景编码策略来生成有意义的正负对比样本。通过与多个竞争性基线进行比较，在离线评估和在线测试上的大量实验证明了所提出的 HC$^2$ 的有效性。