MetaCon：基于万亿概念元学习的统一预测分群系统
人工智能
2022-03-10 v1 机器学习
摘要
从预测性分群的角度准确理解用户在现代互联网企业的日常运营中起着至关重要的作用。然而，存在显著挑战限制数据质量，尤其在长尾预测任务上。本工作中，我们提出 MetaCon，我们的统一预测性分群系统，其具有可扩展的万亿概念元学习以解决这些挑战。它构建于概括实体异构数字足迹的扁平概念表示之上，将全部预测性任务谱联合视为单一学习任务，并借助有原则的元学习方法与高效一阶元优化过程（在可证明性能保证下）来求解该学习任务。在专有生产数据集与公开结构化学习任务上的实验表明，MetaCon 相较最先进的推荐与排序方法可带来显著提升。
引用
@article{arxiv.2203.04540,
title = {MetaCon: Unified Predictive Segments System with Trillion Concept Meta-Learning},
author = {Keqian Li and Yifan Hu and Logan Palanisamy and Lisa Jones and Akshay Gupta and Jason Grigsby and Ili Selinger and Matt Gillingham and Fei Tan},
journal= {arXiv preprint arXiv:2203.04540},
year = {2022}
}