論文の概要: Improving Native Ads CTR Prediction by Large Scale Event Embedding and
Recurrent Networks
- arxiv url: http://arxiv.org/abs/1804.09133v3
- Date: Tue, 17 Oct 2023 04:00:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-19 01:08:13.767503
- Title: Improving Native Ads CTR Prediction by Large Scale Event Embedding and
Recurrent Networks
- Title(参考訳): 大規模イベント埋め込みとリカレントネットワークによるネイティブ広告CTR予測の改善
- Authors: Mehul Parsana, Krishna Poola, Yajun Wang, Zhiguang Wang
- Abstract要約: 本研究では,ユーザの連続イベントの監視が弱いシームズネットワークをトレーニングすることで,各ユーザのブラウジングイベントをエンコードする大規模イベント埋め込み方式を提案する。
CTR予測問題は、ユーザー履歴をイベントのシーケンスとして自然にモデル化する教師付きリカレントニューラルネットワークとしてモデル化される。
- 参考スコア(独自算出の注目度): 2.0902732379491207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Click through rate (CTR) prediction is very important for Native
advertisement but also hard as there is no direct query intent. In this paper
we propose a large-scale event embedding scheme to encode the each user
browsing event by training a Siamese network with weak supervision on the
users' consecutive events. The CTR prediction problem is modeled as a
supervised recurrent neural network, which naturally model the user history as
a sequence of events. Our proposed recurrent models utilizing pretrained event
embedding vectors and an attention layer to model the user history. Our
experiments demonstrate that our model significantly outperforms the baseline
and some variants.
- Abstract(参考訳): クリックスルーレート(CTR)予測は、ネイティブ広告にとって非常に重要であるが、直接的なクエリ意図がないため難しい。
本稿では,ユーザが連続するイベントの監視が弱いシャム語ネットワークを訓練することにより,各ユーザのブラウジングイベントをエンコードする大規模イベント埋め込み方式を提案する。
CTR予測問題は、ユーザー履歴をイベントのシーケンスとして自然にモデル化する教師付きリカレントニューラルネットワークとしてモデル化される。
事前学習されたイベント埋め込みベクターとユーザ履歴をモデル化するアテンション層を用いたリカレントモデルを提案する。
実験により,本モデルがベースラインと変種を著しく上回ることを示した。
関連論文リスト
- New User Event Prediction Through the Lens of Causal Inference [20.676353189313737]
新規ユーザのための新しい離散イベント予測フレームワークを提案する。
提案手法は,カテゴリを知る必要のない新規ユーザに対して,バイアスのない予測を提供する。
数値シミュレーションと実世界の2つの応用を用いて,提案手法の優れた性能を実証する。
論文 参考訳(メタデータ) (2024-07-08T05:35:54Z) - Jointly Training and Pruning CNNs via Learnable Agent Guidance and Alignment [69.33930972652594]
本稿では,CNNモデルの重みと構造的プーン構造を協調的に学習するための新しい構造的プルーニング手法を提案する。
本手法の中核となる要素は強化学習(RL)エージェントであり,その動作がCNNモデルの階層のプルーニング比を決定する。
我々は,モデルの重みとエージェントのポリシーを反復的に訓練し,共同訓練と刈り取りを行う。
論文 参考訳(メタデータ) (2024-03-28T15:22:29Z) - PUNR: Pre-training with User Behavior Modeling for News Recommendation [26.349183393252115]
ニュースレコメンデーションは、ユーザーの行動に基づいてクリック行動を予測することを目的としている。
ユーザの表現を効果的にモデル化する方法が、望ましいニュースを推奨する鍵である。
本研究では,ユーザ行動マスキングとユーザ行動生成という2つのタスクを備えた教師なし事前学習パラダイムを提案する。
論文 参考訳(メタデータ) (2023-04-25T08:03:52Z) - Boosted Dynamic Neural Networks [53.559833501288146]
典型的なEDNNは、ネットワークバックボーンの異なる層に複数の予測ヘッドを持つ。
モデルを最適化するために、これらの予測ヘッドとネットワークバックボーンは、トレーニングデータのバッチ毎にトレーニングされる。
トレーニングと2つのフェーズでのインプットの異なるテストは、トレーニングとデータ分散のテストのミスマッチを引き起こす。
EDNNを勾配強化にインスパイアされた付加モデルとして定式化し、モデルを効果的に最適化するための複数のトレーニング手法を提案する。
論文 参考訳(メタデータ) (2022-11-30T04:23:12Z) - Towards Out-of-Distribution Sequential Event Prediction: A Causal
Treatment [72.50906475214457]
シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。
実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。
文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-24T07:54:13Z) - Hybrid CNN Based Attention with Category Prior for User Image Behavior
Modeling [13.984055924772486]
本稿では,CTR予測のためのハイブリッドCNNベースのアテンションモジュールを提案する。
当社のアプローチは,10億規模の実サービスデータセット上でのオンラインとオフラインの両方の実験において,大幅な改善を実現している。
論文 参考訳(メタデータ) (2022-05-05T15:31:47Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Click-through Rate Prediction with Auto-Quantized Contrastive Learning [46.585376453464114]
ユーザ行動が予測の利益を捉えるのに十分リッチかどうかを考察し、モデルを正規化するためのAQCL(Auto-Quantized Contrastive Learning)損失を提案する。
提案されたフレームワークは、異なるモデルアーキテクチャに非依存であり、エンドツーエンドでトレーニングすることができる。
論文 参考訳(メタデータ) (2021-09-27T04:39:43Z) - Predicting Adversary Lateral Movement Patterns with Deep Learning [0.0]
本稿では, 企業ネットワークにおいて, 敵が次のキャンペーンで妥協する可能性のあるホストについて, 予測モデルを構築した。
我々は、ホスト、ユーザ、および敵をファーストクラスのエンティティとして、シミュレーションネットワークを使用して、このモデルのためのデータを生成する。
論文 参考訳(メタデータ) (2021-04-23T16:44:31Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳(メタデータ) (2020-11-02T02:03:07Z) - A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。
基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文 参考訳(メタデータ) (2020-02-21T23:10:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。