面向长期用户兴趣大规模预测的非线性标签排序
人工智能
2016-06-30 v1 机器学习
机器学习
摘要
我们从广告定向的角度考虑在线服务个性化问题，旨在为每个用户找到最佳广告类别，从而改善用户体验并增加广告主收益。我们提议将这一问题作为依据用户偏好对广告类别排序的任务，并引入一种新颖的标签排序方法，能够在大规模场景下高效学习非线性、高精度的模型。在包含超过320万用户的真实世界广告数据集上的实验表明，所提算法在排序损失和Top-K检索性能方面均优于现有解决方案，强烈暗示了所提模型在大规模排序问题上的益处。
引用
@article{arxiv.1606.08963,
title = {Non-linear Label Ranking for Large-scale Prediction of Long-Term User Interests},
author = {Nemanja Djuric and Mihajlo Grbovic and Vladan Radosavljevic and Narayan Bhamidipati and Slobodan Vucetic},
journal= {arXiv preprint arXiv:1606.08963},
year = {2016}
}
备注
28th AAAI Conference on Artificial Intelligence (AAAI-14)