論文の概要: Generalized Delayed Feedback Model with Post-Click Information in
Recommender Systems
- arxiv url: http://arxiv.org/abs/2206.00407v1
- Date: Wed, 1 Jun 2022 11:17:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-02 13:18:29.350653
- Title: Generalized Delayed Feedback Model with Post-Click Information in
Recommender Systems
- Title(参考訳): Recommender システムにおけるポストクリック情報を用いた一般化遅延フィードバックモデル
- Authors: Jia-Qi Yang, De-Chuan Zhan
- Abstract要約: クリック後のユーザ行動も変換率予測に有益であり,タイムラインの改善に有効であることを示す。
本稿では、クリック後の動作と初期変換の両方をクリック後の情報として統合する一般化遅延フィードバックモデル(GDFM)を提案する。
- 参考スコア(独自算出の注目度): 37.72697954740977
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Predicting conversion rate (e.g., the probability that a user will purchase
an item) is a fundamental problem in machine learning based recommender
systems. However, accurate conversion labels are revealed after a long delay,
which harms the timeliness of recommender systems. Previous literature
concentrates on utilizing early conversions to mitigate such a delayed feedback
problem. In this paper, we show that post-click user behaviors are also
informative to conversion rate prediction and can be used to improve
timeliness. We propose a generalized delayed feedback model (GDFM) that unifies
both post-click behaviors and early conversions as stochastic post-click
information, which could be utilized to train GDFM in a streaming manner
efficiently. Based on GDFM, we further establish a novel perspective that the
performance gap introduced by delayed feedback can be attributed to a temporal
gap and a sampling gap. Inspired by our analysis, we propose to measure the
quality of post-click information with a combination of temporal distance and
sample complexity. The training objective is re-weighted accordingly to
highlight informative and timely signals. We validate our analysis on public
datasets, and experimental performance confirms the effectiveness of our
method.
- Abstract(参考訳): コンバージョン率の予測(例えば、ユーザーがアイテムを購入する確率)は、機械学習ベースのレコメンダシステムにおいて根本的な問題である。
しかし、長い遅延の後、正確な変換ラベルが明らかにされ、リコメンデータシステムのタイムラインに悪影響を及ぼす。
以前の文献では、このような遅延フィードバック問題を緩和するために、早期変換を利用することに集中している。
本稿では,クリック後のユーザの行動がコンバージョン率の予測にも役立ち,タイムラインの改善に利用できることを示す。
本稿では,gdfmをストリーミング方式で効率的に訓練できる確率的後クリック情報として,後クリック行動と初期変換の両方を統合する一般化遅延フィードバックモデル(gdfm)を提案する。
GDFMに基づいて、遅延フィードバックによって生じる性能ギャップは、時間的ギャップとサンプリングギャップに起因するという新たな視点を確立する。
本稿では,時間的距離とサンプルの複雑さを組み合わせて,クリック後の情報の品質を測定することを提案する。
トレーニング目標は、情報とタイムリーな信号を強調するように再強調される。
公開データセットの分析を検証し,提案手法の有効性を実験的に検証した。
関連論文リスト
- A Machine Learning Approach to Improving Timing Consistency between
Global Route and Detailed Route [3.202646674984817]
不正確なタイミング予測は設計の労力を浪費し、回路性能を損なう。
この研究は、時間と「完全」ネットリストを最適化する最も初期の機会であるクロックツリー合成と配置の合法化の後のタイミング予測に焦点を当てている。
GR-based parasiticと時間推定のギャップを埋めるために,ポストGR最適化におけるポストDR結果のギャップを埋めるため,機械学習(ML)ベースのモデルを提案する。
論文 参考訳(メタデータ) (2023-05-11T16:01:23Z) - Test-Time Distribution Normalization for Contrastively Learned
Vision-language Models [39.66329310098645]
CLIPとして最近提案された最も代表的なアプローチの1つは、その有効性のために広く採用されている。
本稿では,ドット製品のダウンストリーム化は最適化目標の0次近似に過ぎず,テスト時間中に情報が失われることを明らかにする。
本研究では, 分散正規化(DN)を提案し, テストサンプルのバッチの平均表現を近似し, InfoNCE損失における負のサンプルと類似するものを表現する。
論文 参考訳(メタデータ) (2023-02-22T01:14:30Z) - Generating Negative Samples for Sequential Recommendation [83.60655196391855]
逐次レコメンデーション(SR)のための負のサンプル(イテム)を生成することを提案する。
アイテムに対する現在のSRモデルの学習されたユーザの好みに基づいて、各タイムステップで負の項目をサンプリングする。
4つの公開データセットの実験は、SRに高品質な負のサンプルを提供することの重要性を検証する。
論文 参考訳(メタデータ) (2022-08-07T05:44:13Z) - Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。
CPRは、露出メカニズムを知らずに不偏の推奨を達成する。
理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
論文 参考訳(メタデータ) (2022-04-26T09:20:27Z) - Asymptotically Unbiased Estimation for Delayed Feedback Modeling via
Label Correction [14.462884375151045]
遅延したフィードバックは、オンライン広告の変換率予測に不可欠である。
これまでの遅延したフィードバックモデリング手法は、正確なラベルを待ち、新鮮なフィードバックを消費する間のトレードオフのバランスをとる。
提案手法は, 即効性, 偽陰性, 実陰性, 遅延正サンプルの重み付けをそれぞれ補正することを目的として, 非バイアス推定を用いた遅延フィードバックモデリング(DEFUSE)を提案する。
論文 参考訳(メタデータ) (2022-02-14T03:31:09Z) - Deep Feedback Inverse Problem Solver [141.26041463617963]
逆問題に対する効率的で効果的で汎用的なアプローチを提案する。
我々は、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶ。
私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。
論文 参考訳(メタデータ) (2021-01-19T16:49:06Z) - Capturing Delayed Feedback in Conversion Rate Prediction via
Elapsed-Time Sampling [29.77426549280091]
コンバージョンレート(CVR)予測は、デジタルディスプレイ広告において最も重要なタスクの1つである。
Elapsed-Time Smpling Delayed Feedback Model (ES-DFM) を提案する。
論文 参考訳(メタデータ) (2020-12-06T12:20:50Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳(メタデータ) (2020-08-21T15:03:21Z) - Evaluating Prediction-Time Batch Normalization for Robustness under
Covariate Shift [81.74795324629712]
我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。
予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。
この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
論文 参考訳(メタデータ) (2020-06-19T05:08:43Z) - A Feedback Shift Correction in Predicting Conversion Rates under Delayed
Feedback [6.38500614968955]
ディスプレイ広告では、広告を表示する価値を推定するために、変換率を予測することが不可欠である。
クリックと結果の変換の間には、比較的長い時間がかかる。
遅延したフィードバックのため、トレーニング期間中の肯定的なインスタンスには負のラベルが付けられている。
論文 参考訳(メタデータ) (2020-02-06T02:05:07Z)
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。