在线广告中基于多任务学习的不同类型转化预测
机器学习
2020-03-10 v2 机器学习
摘要
转化预测在在线广告中起着重要作用，因为按行动计费（CPA）已成为业内主要的广告活动绩效目标之一。与点击预测不同，转化本质上具有不同类型，且每种类型可能关联不同的决定因素。在本文中，我们将转化预测形式化为一个多任务学习问题，使得不同类型转化的预测模型可以共同学习。这些模型共享特征表示，但拥有各自特定的参数，从而提供了跨所有任务信息共享的优势。随后，我们提出多任务场加权因子分解机（MT-FwFM）来联合求解这些任务。实验结果表明，与两个 state-of-the-art 模型相比，MT-FwFM 在两种转化类型上将 AUC 分别提升了 0.74% 和 0.84%，并且所有转化类型的加权 AUC 也提升了 0.50%。
引用
@article{arxiv.1907.10235,
title = {Predicting Different Types of Conversions with Multi-Task Learning in Online Advertising},
author = {Junwei Pan and Yizhi Mao and Alfonso Lobos Ruiz and Yu Sun and Aaron Flores},
journal= {arXiv preprint arXiv:1907.10235},
year = {2020}
}
备注
SIGKDD