可迁移且可预测的用户定向基础模型
机器学习
2025-02-21 v2 人工智能
摘要
用户定向是指为非专业营销人员从候选池中选择目标用户的过程，随着数字营销的发展，它已受到广泛关注。然而，现有的用户定向方法面临两大重大挑战： 跨领域和跨场景的迁移性与泛化能力较差，以及 在实际应用中的可预测性不足。这些局限性阻碍了其在各种工业场景中的适用性。在这项工作中，我们提出了 FOUND，一个工业级、可迁移且可预测的用户定向基础模型。为了增强跨领域可迁移性，我们的框架整合了异构多场景用户数据，并通过对比预训练将其与单句定向需求输入对齐。为了提高可预测性，每个用户的文本描述基于预期的未来行为推导得出，而用户表示则由历史信息构建。实验结果表明，在跨领域的真实世界用户定向场景中，我们的方法显著优于现有基线，展示了 FOUND 的卓越能力。此外，我们的方法已成功部署在 Alipay 平台上，并广泛应用于各种场景。
引用
@article{arxiv.2412.12468,
title = {Transferable and Forecastable User Targeting Foundation Model},
author = {Bin Dou and Baokun Wang and Yun Zhu and Xiaotong Lin and Yike Xu and Xiaorui Huang and Yang Chen and Yun Liu and Shaoshuai Han and Yongchao Liu and Tianyi Zhang and Yu Cheng and Weiqiang Wang and Chuntao Hong},
journal= {arXiv preprint arXiv:2412.12468},
year = {2025}
}
备注
10 pages, 6 figures, accept by The ACM Web Conference 2025 (WWW 2025) Industry Track