面向广义嵌入的COFFEE: 广告排序系统中的特征丰富嵌入协设计框架
计算机视觉与模式识别
2026-01-07 v1
摘要
多样化且丰富的数据源对于商业广告推荐模型至关重要，以准确评估用户在内容参与前后的兴趣。虽然扩展的用户参与历史可以提高对用户兴趣的预测，但同样重要的是要嵌入来自多个来源的活动序列，以确保用户和广告表示的及时性，遵循规模定律原则。本文提出了一种用于增强用户-广告表示的三维框架，而不会增加模型推理或服务复杂性。第一维度考察了纳入多样化事件源的影响，第二维度考虑更长的用户历史带来的好处，第三维度专注于通过额外的事件属性和多模态嵌入丰富数据。我们通过将有机用户参与源（如内容浏览）与广告展示源进行比较，评估了我们源丰富框架的投资回报（ROI）。我们的方法相对于有机使用源提高了1.56至2倍的ROC曲线下面积（AUC）和规模曲线斜率，尽管在长度为100至10K的短在线序列长度上也能实现。此外，使用丰富的广告展示事件源时，点击率（CTR）预测相对于基线生产广告推荐系统提高了0.56%的AUC，提高了更长时间和离线用户-广告表示的序列分辨率。
引用
@article{arxiv.2601.02806,
title = {Topology-aware Pathological Consistency Matching for Weakly-Paired IHC Virtual Staining},
author = {Mingzhou Jiang and Jiaying Zhou and Nan Zeng and Mickael Li and Qijie Tang and Chao He and Huazhu Fu and Honghui He},
journal= {arXiv preprint arXiv:2601.02806},
year = {2026}
}