异步学习用户嵌入用于广告投放优化
计算机视觉与模式识别
2024-12-24 v2
摘要
在推荐系统中，高质量的用户嵌入可以捕捉细微偏好，实现精确的相似性计算，并适应随时间变化的偏好以保持相关性。推荐系统的效果取决于用户嵌入的质量。我们提出异步学习来自数十亿用户每日的基于序列的多模态用户活动的高保真度用户嵌入。通过类 Transformer 的大规模特征学习模块实现。我们进一步将异步学习的用户表示嵌入（ALURE）转换为用户相似图，通过图学习方法，然后与用户实时活动结合，用于检索广告投放系统中高度相关的广告候选。我们的方法在离线和在线实验中显示出显著的性能提升。
引用
@article{arxiv.2406.05897,
title = {InfoGaussian: Structure-Aware Dynamic Gaussians through Lightweight Information Shaping},
author = {Yunchao Zhang and Guandao Yang and Leonidas Guibas and Yanchao Yang},
journal= {arXiv preprint arXiv:2406.05897},
year = {2024}
}