用于 CTR 预测损失函数的时间重要性因子
信息检索
2023-11-29 v1
摘要
点击率（CTR）预测是公司向用户推荐更匹配其偏好的产品的一项重要任务。数字广告中的用户行为是动态的并随时间变化。对公司而言，捕捉最新趋势以为用户提供更准确的推荐至关重要。在 CTR 预测中，大多数模型使用二元交叉熵损失函数。然而，它并未关注随时间发生的数据分布偏移。为解决该问题，我们利用用户-物品交互的序列特性，为损失函数提出一个因子。该方法旨在通过对最近样本在损失函数中施加更大惩罚而不遗忘长期信息，从而聚焦于最新样本。我们的解决方案与模型无关，该时间重要性因子可与不同损失函数配合使用。在公开和公司数据集上的离线实验表明，用于损失函数的时间重要性因子优于所考虑的基线损失函数。
引用
@article{arxiv.2311.16878,
title = {Temporal Importance Factor for Loss Functions for CTR Prediction},
author = {Ramazan Tarık Türksoy and Beyza Türkmen and Furkan Durmuş},
journal= {arXiv preprint arXiv:2311.16878},
year = {2023}
}