应对产品需求变化：赞助搜索中转化率（CR）预测的一个应用
信息检索
2018-06-22 v1 机器学习
社会与信息网络
摘要
在在线互联网广告中，机器学习模型被广泛用于计算用户与产品相关广告互动的可能性。然而，传统机器学习模型的性能常因用户与广告主行为的变化而受到影响。例如，花商在情人节、母亲节等期间的搜索引擎流量通常会出现峰值。为克服这一挑战，本稿中我们提出三种能够纳入由产品需求变化所引起效应的模型。所提模型是产品需求特征、专门的数据采样方法与集成技术的组合。我们在真实场景获得的数据集上展示了所提模型的性能。结果表明，所提模型能更准确地预测用户与产品相关广告互动的结果，同时对用户与广告主行为的波动具有鲁棒性。
引用
@article{arxiv.1806.08211,
title = {Reacting to Variations in Product Demand: An Application for Conversion Rate (CR) Prediction in Sponsored Search},
author = {Marcelo Tallis and Pranjul Yadav},
journal= {arXiv preprint arXiv:1806.08211},
year = {2018}
}