NCS4CVR：面向视频转化率预测多任务学习的神经元连接共享
信息检索
2023-02-17 v3 计算机视觉与模式识别
机器学习
摘要
点击率（CTR）与点击后转化率（CVR）预测是推荐系统、广告与搜索引擎等工业排序系统中的两个基础模块。由于 CVR 所涉样本远少于 CTR（即所谓的 CVR 数据稀疏问题），现有工作大多尝试借助 CTR&CVR 多任务学习来提升 CVR 表现。然而，典型的粗粒度子网络/层共享方法可能引入冲突并导致性能下降，因为并非某一层中的每个神经元或神经元连接都应在 CVR 与 CTR 任务间共享。这是因为用户对于深度消费与点击行为（分别由 CVR 与 CTR 表示）可能具有细粒度的内容特征偏好差异。为应对这一共享与冲突问题，我们提出一种名为 NCS4CVR、具有神经元连接级共享的新型多任务 CVR 建模范式，其可在无人工经验情形下自动且灵活地学习哪些神经元权重被共享或不被共享。相较以往的层级别共享方法，这是首次提出神经元连接级别的细粒度 CTR&CVR 共享方法，构成了共享级别上的研究范式转移。离线与在线实验均表明，我们的方法优于单任务模型与层级别共享模型。我们所提方法现已成功部署于服务主要流量的工业视频推荐系统中。
引用
@article{arxiv.2008.09872,
title = {NCS4CVR: Neuron-Connection Sharing for Multi-Task Learning in Video Conversion Rate Prediction},
author = {Xuanji Xiao and Huabin Chen and Yuzhen Liu and Xing Yao and Pei Liu and Chaosheng Fan and Nian Ji and Xirong Jiang},
journal= {arXiv preprint arXiv:2008.09872},
year = {2023}
}
备注
6 pages,4 figures