論文の概要: adSformers: Personalization from Short-Term Sequences and Diversity of
Representations in Etsy Ads
- arxiv url: http://arxiv.org/abs/2302.01255v1
- Date: Thu, 2 Feb 2023 17:39:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 13:09:54.331540
- Title: adSformers: Personalization from Short-Term Sequences and Diversity of
Representations in Etsy Ads
- Title（参考訳）: AdSformers:Etsy Adsにおける短期シーケンスと表現の多様性からのパーソナライズ
- Authors: Alaa Awad, Denisa Roberts, Eden Dolev, Andrea Heyman, Zahra
Ebrahimzadeh, Zoe Weil, Marcin Mejran, Vaibhav Malpani, Mahir Yavuz
- Abstract要約: 本稿では,Etsy Adsのパーソナライズへのアプローチとして,ユーザアクションと多様な表現の短期(1時間)シーケンスのエンコーディングと学習を提案する。
ADPMがパーソナライズしたCTRとPCCVRモデルは、AdSformer CTRとAdSformer PCCVRと呼ばれ、それぞれCTRとPCCVRのベースラインを+6.65%$と$+12.70%$で上回っている。
- 参考スコア（独自算出の注目度）: 0.12647816797166164
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, we present our approach to personalizing Etsy Ads through
encoding and learning from short-term (one-hour) sequences of user actions and
diverse representations. To this end we introduce a three-component adSformer
diversifiable personalization module (ADPM) and illustrate how we use this
module to derive a short-term dynamic user representation and personalize the
Click-Through Rate (CTR) and Post-Click Conversion Rate (PCCVR) models used in
sponsored search (ad) ranking. The first component of the ADPM is a custom
transformer encoder that learns the inherent structure from the sequence of
actions. ADPM's second component enriches the signal through visual, multimodal
and textual pretrained representations. Lastly, the third ADPM component
includes a "learned" on the fly average pooled representation. The
ADPM-personalized CTR and PCCVR models, henceforth referred to as adSformer CTR
and adSformer PCCVR, outperform the CTR and PCCVR production baselines by
$+6.65\%$ and $+12.70\%$, respectively, in offline Precision-Recall Area Under
the Curve (PR AUC). At the time of this writing, following the online gains in
A/B tests, such as $+5.34\%$ in return on ad spend, a seller success metric, we
are ramping up the adSformers to $100\%$ traffic in Etsy Ads.
- Abstract（参考訳）: 本稿では,Etsy Adsのパーソナライズへのアプローチとして,ユーザアクションの短期(1時間)シーケンスと多様な表現のエンコーディングと学習について述べる。
この目的のために,3成分adsformer diversizable personalization module (adpm)を導入し,このモジュールを用いて短期動的ユーザ表現を導出し,スポンサー付き検索 (ad) ランキングで使用されるクリックスルー率 (ctr) とクリック後変換率 (pccvr) モデルをパーソナライズする方法を説明する。
ADPMの最初のコンポーネントは、アクションのシーケンスから固有の構造を学ぶカスタムトランスフォーマーエンコーダである。
ADPMの第2のコンポーネントは、視覚的、マルチモーダル、およびテキストによる事前訓練された表現を通じて信号を豊かにする。
最後に、第3のADPMコンポーネントはフライ平均プール表現に"学習"を含む。
ADPMがパーソナライズしたCTRとPCCVRモデルは、AdSformer CTRとAdSformer PCCVRと呼ばれ、オフラインのPrecision-Recall Area Under the Curve (PR AUC)において、CTRとPCCVRの生産ベースラインを+6.65\%$と$+12.70\%$で上回っている。
この記事の執筆時点では、広告費の対価として$+5.34\%$などのa/bテストのオンライン化に続いて、私たちはetsy広告のトラフィックを$100\%に増やしている。
関連論文リスト
- Multimodality Helps Few-Shot 3D Point Cloud Semantic Segmentation [61.91492500828508]
FS-PCS (Few-shot 3D point cloud segmentation) は、最小のサポートサンプルで新しいカテゴリを分割するモデルを一般化することを目的としている。
本稿では,テキストラベルと潜在的に利用可能な2次元画像モダリティを利用して,コストフリーのマルチモーダルFS-PCSセットアップを提案する。
トレーニングバイアスを軽減するため,テスト時間適応型クロスモーダルセグ(TACC)技術を提案する。
論文 参考訳（メタデータ） (2024-10-29T19:28:41Z) - Efficient Transfer Learning Framework for Cross-Domain Click-Through Rate Prediction [47.7066461216227]
クロスドメインクリックスルーレート予測(E-CDCTR)のための効率的な伝達学習フレームワーク
鍵となる3つの要素:Tiny Pre-Traning Model (TPM)、Complete Pre-Traning Model (CPM)、そして—CTR Model (A-CTR)
TPMは、CPMとA-CTRの両方に対して、ユーザとアイテムのよりリッチな表現を提供し、日々の更新に固有の問題を効果的に軽減します。
論文 参考訳（メタデータ） (2024-08-29T03:34:39Z) - GACE: Learning Graph-Based Cross-Page Ads Embedding For Click-Through
Rate Prediction [3.3840833400287593]
本稿では,グラフベースのクロスページ広告埋め込み生成手法を提案する。
コールドスタートと既存の広告を様々なページに埋め込んだ表現を生成する。
その結果,本手法はSOTA法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-15T03:12:21Z) - Deep Context Interest Network for Click-Through Rate Prediction [16.37806484383383]
本稿では,クリックと表示コンテキストを統合的にモデル化し,ユーザのコンテキスト認識の興味を学習する,Deep Context Interest Network (DCIN) という新しいモデルを提案する。
DCINは当社のオンライン広告システムにデプロイされており、主要なトラフィックに対して1.5%のCTRと1.5%のRPMリフトを提供する。
論文 参考訳（メタデータ） (2023-08-11T09:32:58Z) - Multi-Stage Spatio-Temporal Aggregation Transformer for Video Person
Re-identification [78.08536797239893]
本稿では,2つの新しいプロキシ埋め込みモジュールを設計したMSTAT(Multi-Stage Space-Temporal Aggregation Transformer)を提案する。
MSTATは、属性関連、アイデンティティ関連、および属性関連情報をビデオクリップからエンコードする3つのステージから構成される。
MSTATは様々な標準ベンチマークで最先端の精度を達成できることを示す。
論文 参考訳（メタデータ） (2023-01-02T05:17:31Z) - Boost CTR Prediction for New Advertisements via Modeling Visual Content [55.11267821243347]
広告の視覚的内容を利用してCTR予測モデルの性能を向上させる。
過去に蓄積された履歴的ユーザ・アドインタラクションに基づいて,各ビジュアルIDの埋め込みを学習する。
Baiduオンライン広告のCTR予測モデルにビジュアルIDを埋め込んだ後、広告の平均CTRは1.46%改善し、総料金は1.10%増加した。
論文 参考訳（メタデータ） (2022-09-23T17:08:54Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳（メタデータ） (2021-08-16T07:09:06Z) - Improving Video Instance Segmentation via Temporal Pyramid Routing [61.10753640148878]
Video Instance(VIS)は、ビデオシーケンス内の各インスタンスを検出し、セグメンテーションし、追跡することを目的とした、新しい、本質的にはマルチタスク問題である。
隣接する2つのフレームからなる特徴ピラミッド対から画素レベルのアグリゲーションを条件付きで調整し,実行するための時間ピラミッドルーティング(TPR)戦略を提案する。
我々のアプローチはプラグイン・アンド・プレイモジュールであり、既存のインスタンス・セグメンテーション・メソッドにも容易に適用できます。
論文 参考訳（メタデータ） (2021-07-28T03:57:12Z) - Multimodal and Contrastive Learning for Click Fraud Detection [3.958603405726725]
Click Fraud Detection (MCCF) のためのマルチモーダル・コントラスト学習ネットワークを提案する。
MCCFはワイド・ディープの特徴, 行動シーケンス, 異種ネットワークを共同で利用し, クリック表現を蒸留する。
Alibabaプラットフォーム上の2.54百万クリックを含む実世界のデータセットを用いて、MCCFの有効性を調査する。
論文 参考訳（メタデータ） (2021-05-08T03:03:11Z) - Multi-Channel Sequential Behavior Networks for User Modeling in Online
Advertising [4.964012641964141]
本稿では,ユーザと広告を意味空間に埋め込むための深層学習手法であるマルチチャネルシーケンシャル行動ネットワーク(mc-sbn)を提案する。
提案するユーザエンコーダアーキテクチャでは,過去の検索クエリや訪問ページ,クリックした広告など,複数の入力チャネルからのユーザアクティビティをユーザベクトルにまとめる。
その結果,MC-SBNは関連広告のランク付けを改善し,クリック予測とコンバージョン予測の両方の性能を向上させることができることがわかった。
論文 参考訳（メタデータ） (2020-12-27T06:13:29Z) - CAMTA: Causal Attention Model for Multi-touch Attribution [25.258282793367453]
本研究では,ユーザ個人化MTAのカジュアルアトリビューション機構である,新しいディープリカレントニューラルネットワークアーキテクチャCAMTAを提案する。
複数のベースラインと比較し,予測精度に関してcamtaの優れた性能を示す。
論文 参考訳（メタデータ） (2020-12-21T15:05:00Z)
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。