多处理多任务提升建模以提升用户增长
机器学习
2024-08-26 v1 人工智能
信息检索
摘要
作为提升线上用户增长的关键组件，提升建模旨在衡量个体用户对各种处理（例如是否玩游戏）的响应，从而提高业务成果。然而，先前的研究通常考虑单任务、单处理设置，即仅存在一种处理，整体处理效应通过单一类型的用户响应进行衡量。本文提出了一种多处理多任务（Multi-Treatment Multi-Task, MTMT）提升网络，用于在多任务场景下估计处理效应。我们将多处理问题识别为一种具有分层响应的因果推断问题，包括来自提供处理的基线效应以及来自提供特定类型处理的增量效应，其中基线效应可以远大于增量效应。具体而言，MTMT独立对用户特征和处理进行编码。用户特征编码器使用多门混合专家（MMOE）网络对相关用户特征进行编码，显式学习任务间关系。所得嵌入用于衡量每个任务的自然响应。此外，我们引入一种处理-用户特征交互模块来建模每种处理与用户特征之间的相关性。因此，基于所产生的处理感知表示，分别测量每个任务的基线和增量处理效应。基于离线公开数据集和在线专有数据集的实验结果表明，MTMT在单处理/多处理和单任务/多任务设置下均有效。此外，MTMT已部署于我们的游戏平台以提升用户体验。
引用
@article{arxiv.2408.12803,
title = {Multi-Treatment Multi-Task Uplift Modeling for Enhancing User Growth},
author = {Yuxiang Wei and Zhaoxin Qiu and Yingjie Li and Yuke Sun and Xiaoling Li},
journal= {arXiv preprint arXiv:2408.12803},
year = {2024}
}