联合学习推荐与广告投放
信息检索
2020-06-22 v2
摘要
在线推荐与广告是在线推荐平台（例如电商和新闻推送站点）的两大收入渠道。然而，大多数平台通过不同团队使用不同技术分别优化推荐与广告策略，这可能导致整体性能次优。为此，在本文中我们提出一种新颖的两层强化学习框架以联合优化推荐与广告策略，其中第一层生成推荐列表以长期优化用户体验；然后第二层将广告插入推荐列表中，以平衡来自广告主的即时广告收益与广告对长期用户体验的负面影响。具体而言，第一层处理从大物品空间中选取子集的高组合动作空间问题；而第二层决定三个内部相关的任务，即（i）是否插入广告，若是，（ii）最优广告以及（iii）插入的最优位置。基于真实世界数据的实验结果证明了所提框架的有效性。我们已发布实现代码以方便复现。
引用
@article{arxiv.2003.00097,
title = {Jointly Learning to Recommend and Advertise},
author = {Xiangyu Zhao and Xudong Zheng and Xiwang Yang and Xiaobing Liu and Jiliang Tang},
journal= {arXiv preprint arXiv:2003.00097},
year = {2020}
}
备注
Proceedings of the 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '20), August 23--27, 2020, Virtual Event, CA, USA