面向大规模定向广告系统的多流形学习
机器学习
2020-07-09 v2 机器学习
摘要
即时通讯广告（ads）提供直接且个性化的用户体验，带来高转化率与销售额。然而，人们对广告持怀疑态度，有时将其视为垃圾信息，这最终导致用户满意度下降。强烈需要定向广告，即向可能表现出对特定广告信息感兴趣的个人投放广告。精确用户定向的成功关键在于在嵌入空间中学习准确的用户与广告表征。以往多数研究将表征学习局限于欧几里得空间，但近期研究提出双曲流形学习，以对来自现实世界数据集（如社交网络、推荐系统和广告）的复杂网络属性进行独特投影。我们提出了一种能有效在双曲空间学习用户与广告层级结构的框架，并扩展至多流形学习。我们的方法构建多个具有可学习曲率的双曲流形，并将用户与广告的表征映射到每个流形。每个流形的原点设为各用户簇的质心。利用双曲空间中两实体间的距离估计用户对每则广告的偏好，并通过聚合从所学多个流形计算出的值确定最终预测。我们在公开基准数据集和大规模商业即时通讯系统 LINE 上评估了我们的方法，并通过提升的性能证明了其有效性。
引用
@article{arxiv.2007.02334,
title = {Multi-Manifold Learning for Large-scale Targeted Advertising System},
author = {Kyuyong Shin and Young-Jin Park and Kyung-Min Kim and Sunyoung Kwon},
journal= {arXiv preprint arXiv:2007.02334},
year = {2020}
}
备注
Accepted at AdKDD 2020