論文の概要: Modeling Users' Contextualized Page-wise Feedback for Click-Through Rate Prediction in E-commerce Search

• arxiv url: http://arxiv.org/abs/2203.15542v1
• Date: Tue, 29 Mar 2022 13:26:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 16:46:05.568533
• Title: Modeling Users' Contextualized Page-wise Feedback for Click-Through Rate Prediction in E-commerce Search
• Title（参考訳）: Eコマース検索におけるクリックスルーレート予測のためのユーザコンテキスト化ページワイズフィードバックのモデル化
• Authors: Zhifang Fan, Dan Ou, Yulong Gu, Bairan Fu, Xiang Li, Wentian Bao, Xin-Yu Dai, Xiaoyi Zeng, Tao Zhuang, Qingwen Liu
• Abstract要約: 本稿では,ページワイズ製品全体を含め,コンテキスト認識型ユーザ行動モデリングの新しい視点を提案する。 ページ内コンテキスト情報とページ間関心の進化をキャプチャして、より具体的なユーザの好みを学習することができる。
• 参考スコア（独自算出の注目度）: 29.661232361168956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling user's historical feedback is essential for Click-Through Rate Prediction in personalized search and recommendation. Existing methods usually only model users' positive feedback information such as click sequences which neglects the context information of the feedback. In this paper, we propose a new perspective for context-aware users' behavior modeling by including the whole page-wisely exposed products and the corresponding feedback as contextualized page-wise feedback sequence. The intra-page context information and inter-page interest evolution can be captured to learn more specific user preference. We design a novel neural ranking model RACP(i.e., Recurrent Attention over Contextualized Page sequence), which utilizes page-context aware attention to model the intra-page context. A recurrent attention process is used to model the cross-page interest convergence evolution as denoising the interest in the previous pages. Experiments on public and real-world industrial datasets verify our model's effectiveness.
• Abstract（参考訳）: ユーザの履歴フィードバックのモデル化は、パーソナライズされた検索とレコメンデーションにおけるクリックスルー率予測に不可欠である。 既存の手法は通常、フィードバックのコンテキスト情報を無視するクリックシーケンスのようなユーザのポジティブなフィードバック情報をモデル化する。 本稿では、ページワイズされた製品全体とそれに対応するフィードバックをコンテキスト化されたページワイズフィードバックシーケンスとして含み、コンテキスト対応ユーザ行動モデリングの新しい視点を提案する。 ページ内コンテキスト情報とページ間関心の進化は、より特定のユーザーの好みを学ぶためにキャプチャできる。 我々は,ページ内コンテキストをモデル化するために,ページコンテキストに注意を払う新しいニューラルネットワークランキングモデルRACP(Recurrent Attention over Contextualized Page sequence)を設計する。 繰り返しアテンションプロセスを用いて、ページ間の関心収束進化を、前のページの関心を認知するものとしてモデル化する。 パブリックおよび実世界の産業データセットの実験は、我々のモデルの有効性を検証する。

関連論文リスト

• Modeling and Analyzing the Influence of Non-Item Pages on Sequential Next-Item Prediction [2.464194460689648]
  シーケンシャルレコメンデーションモデルに非イテムページを組み込む方法を示す。 我々は、一般的なシーケンシャルレコメンデータモデルを適用して、非itemページを統合する。 その結果,非イテムページは貴重な情報源であることがわかった。
  論文  参考訳（メタデータ） (2024-08-28T17:12:01Z)
• Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models [88.47454470043552]
  我々は、動的評価(動的評価)としても知られる、テスト時の言語モデルのパラメータをオンラインで微調整する問題を考察する。 オンライン適応はパラメータを時間的に変化する状態に変換し、メモリを重み付けしたコンテキスト長拡張の形式を提供する。
  論文  参考訳（メタデータ） (2024-03-03T14:03:48Z)
• RLVF: Learning from Verbal Feedback without Overgeneralization [94.19501420241188]
  本稿では,このような過度な一般化を伴わずに,言語フィードバックを取り入れることの課題について検討する。 制約付き選好最適化(C3PO)を用いた新しい文脈的批評手法を開発した。 提案手法は,他の文脈に対する既存行動を維持しながら,関連するシナリオに対して効果的な言語フィードバックを適用する。
  論文  参考訳（メタデータ） (2024-02-16T18:50:24Z)
• Unified Embedding Based Personalized Retrieval in Etsy Search [0.206242362470764]
  グラフ, 変換器, 項ベース埋め込みを終末に組み込んだ統合埋め込みモデルを学習することを提案する。 我々のパーソナライズされた検索モデルは、検索購入率5.58%、サイト全体のコンバージョン率2.63%によって、検索体験を著しく改善する。
  論文  参考訳（メタデータ） (2023-06-07T23:24:50Z)
• A User-Centered, Interactive, Human-in-the-Loop Topic Modelling System [32.065158970382036]
  ヒューマン・イン・ザ・ループ(Human-in-the-loop)トピック・モデリングは、ユーザの知識をモデリングプロセスに取り入れ、モデルを反復的に洗練することを可能にする。 最近の研究では、ユーザフィードバックの価値が実証されているが、検討すべき問題がまだ残っている。 そこで我々は,ユーザフレンドリなインタフェースを備えた対話型話題モデリングシステムを開発した。
  論文  参考訳（メタデータ） (2023-04-04T13:05:10Z)
• Incorporating Relevance Feedback for Information-Seeking Retrieval using Few-Shot Document Re-Ranking [56.80065604034095]
  我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。 異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
  論文  参考訳（メタデータ） (2022-10-19T16:19:37Z)
• INFOrmation Prioritization through EmPOWERment in Visual Model-Based RL [90.06845886194235]
  モデルベース強化学習(RL)のための修正目的を提案する。 相互情報に基づく状態空間モデルに,変分エンパワーメントにインスパイアされた用語を統合する。 本研究は,視覚に基づくロボット制御作業における自然な映像背景を用いたアプローチの評価である。
  論文  参考訳（メタデータ） (2022-04-18T23:09:23Z)
• Deep Page-Level Interest Network in Reinforcement Learning for Ads Allocation [14.9065245548275]
  本稿では,ページレベルのユーザ嗜好をモデル化し,複数タイプのフィードバックを活用するために,Deep Page-level Interest Network (DPIN)を提案する。 具体的には、4種類のページレベルのフィードバックを入力として導入し、異なる受容領域下でのアイテム配置のユーザの好みをキャプチャする。
  論文  参考訳（メタデータ） (2022-04-01T11:58:00Z)
• Aspect-Controllable Opinion Summarization [58.5308638148329]
  アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。 レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。 合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
  論文  参考訳（メタデータ） (2021-09-07T16:09:17Z)
• Recurrent Point Review Models [1.412197703754359]
  我々は,時間的情報を取り込んだ深層ニューラルネットワークモデルを構築し,時間とともにデータ変化をレビューする方法をモデル化する。 私たちはリカレントポイントプロセスモデルの動的表現を使用し、ビジネスやサービスレビューの受信履歴を時間内にエンコードします。 提案手法をレコメンデーションシステムのコンテキストに展開し,ユーザの嗜好や嗜好の変化を時間的変化とともに効果的に特徴づける。
  論文  参考訳（メタデータ） (2020-12-10T14:11:42Z)
• Topic Adaptation and Prototype Encoding for Few-Shot Visual Storytelling [81.33107307509718]
  トピック間一般化の能力をモデル化するためのトピック適応型ストーリーテラを提案する。 また,アトピー内導出能力のモデル化を目的とした符号化手法の試作も提案する。 実験結果から,トピック適応とプロトタイプ符号化構造が相互に利益をもたらすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-08-11T03:55:11Z)

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。