用于在线广告中用户建模的多通道序列行为网络

多个内容提供方通过在页面自然内容中放置广告，依靠原生广告获取收入。我们将此设定称为“无查询”以区别于搜索广告——在搜索广告中用户提交搜索查询并获得相关广告。理解用户意图至关重要，因为相关广告能改善用户体验并提高投放对广告主有价值的点击的可能性。本文提出多通道序列行为网络（MC-SBN），一种将用户与广告嵌入可评估相关性的语义空间的深度学习方法。我们提出的用户编码器架构将来自多个输入通道（如先前的搜索查询、访问过的页面或点击过的广告）的用户活动汇总为用户向量。它使用多个 RNN 对不同通道的事件会话序列进行编码，然后应用注意力机制来创建用户表示。我们方法的一个关键特性是用户向量可被增量地维护与更新，这使其得以大规模部署服务。我们在真实世界数据集上进行了广泛实验。结果表明，在无查询原生广告设定下，MC-SBN 能改善相关广告的排序，并提升点击预测与转化预测的性能。