MiNet：用于跨域点击率预测的混合兴趣网络
信息检索
2020-08-10 v1 机器学习
摘要
点击率（CTR）预测是在线广告系统中的关键任务。现有工作主要解决单域 CTR 预测问题，并对特征交互、用户行为历史和上下文信息等方面进行建模。然而，广告通常与自然内容一同展示，这为跨域 CTR 预测提供了机会。本文解决该问题，并利用来自源域的辅助数据来提升目标域的 CTR 预测性能。我们的研究基于 UC Toutiao（集成于 UC 浏览器 App 的新闻推送服务，每日服务数亿用户），其中源域为新闻，目标域为广告。为有效利用新闻数据预测广告 CTR，我们提出混合兴趣网络（MiNet），其联合建模三类用户兴趣：1）跨域长期兴趣，2）来自源域的短期兴趣，3）目标域中的短期兴趣。MiNet 包含两级注意力，其中物品级注意力可自适应地从点击过的新闻/广告中提炼有用信息，兴趣级注意力可自适应地融合不同兴趣表示。离线实验表明 MiNet 优于多种最先进的 CTR 预测方法。我们已将 MiNet 部署于 UC Toutiao，A/B 测试结果显示在线 CTR 也得到显著提升。MiNet 目前服务于 UC Toutiao 的主要广告流量。
引用
@article{arxiv.2008.02974,
title = {MiNet: Mixed Interest Network for Cross-Domain Click-Through Rate Prediction},
author = {Wentao Ouyang and Xiuwu Zhang and Lei Zhao and Jinmei Luo and Yu Zhang and Heng Zou and Zhaojie Liu and Yanlong Du},
journal= {arXiv preprint arXiv:2008.02974},
year = {2020}
}
备注
CIKM 2020