用于 CTR 预测的视觉编码与去偏
信息检索
2022-05-10 v1
摘要
在视觉搜索广告系统中，提取富有表现力的视觉特征对于准确的点击率（CTR）预测至关重要。当前商业系统使用现成视觉编码器以实现快速在线服务。然而，提取的视觉特征较为粗粒度且/或存在偏差。本文提出一种用于 CTR 预测的视觉编码框架以克服这些问题。该框架基于对比学习，在视觉特征空间中拉近正样本对、推远负样本对。为获得细粒度视觉特征，我们提出由点击数据监督的对比学习来微调视觉编码器。为减少样本选择偏差，首先我们利用无偏自监督与点击监督信号离线训练视觉编码器；其次，我们在在线 CTR 预测器中加入去偏网络，通过对比高曝光物品与所选低曝光物品来调整视觉特征。我们将该框架部署于阿里巴巴的视觉赞助搜索系统。在十亿规模数据集上的离线实验与在线实验表明，所提框架可实现准确且无偏的预测。
引用
@article{arxiv.2205.04168,
title = {Visual Encoding and Debiasing for CTR Prediction},
author = {Si Chen and Chen Lin and Wanxian Guan and Jiayi Wei and Xingyuan Bu and He Guo and Hui Li and Xubin Li and Jian Xu and Bo Zheng},
journal= {arXiv preprint arXiv:2205.04168},
year = {2022}
}