通过大规模事件嵌入与循环网络改进原生广告CTR预测
机器学习
2023-10-18 v3 人工智能
机器学习
摘要
点击率（CTR）预测对原生广告非常重要，但由于缺乏直接查询意图而十分困难。本文提出一种大规模事件嵌入方案，通过在用户连续事件上使用弱监督训练Siamese网络，对每个用户浏览事件进行编码。CTR预测问题被建模为一个有监督的循环神经网络，其将用户历史自然地建模为事件序列。我们提出的循环模型利用预训练的事件嵌入向量和一个注意力层对用户历史进行建模。我们的实验表明，该模型显著优于基线及其若干变体。
引用
@article{arxiv.1804.09133,
title = {Improving Native Ads CTR Prediction by Large Scale Event Embedding and Recurrent Networks},
author = {Mehul Parsana and Krishna Poola and Yajun Wang and Zhiguang Wang},
journal= {arXiv preprint arXiv:1804.09133},
year = {2023}
}