論文の概要: Who Would be Interested in Services? An Entity Graph Learning System for
User Targeting
- arxiv url: http://arxiv.org/abs/2305.18780v1
- Date: Tue, 30 May 2023 06:24:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 18:00:02.827092
- Title: Who Would be Interested in Services? An Entity Graph Learning System for
User Targeting
- Title(参考訳): 誰がサービスに興味を持つのか?
ユーザターゲティングのためのエンティティグラフ学習システム
- Authors: Dan Yang, Binbin Hu, Xiaoyan Yang, Yue Shen, Zhiqiang Zhang, Jinjie
Gu, Guannan Zhang
- Abstract要約: 我々は、説明可能なユーザターゲティング機能を提供するために、エンティティグラフ学習(EGL)システムを設計する。
オンラインの段階では、オフラインのステージからエンティティグラフに基づいてリアルタイムでユーザーターゲティングを行うことができる。
大規模なオフライン実験とオンラインA/Bテストは、提案したEGLシステムの優れた性能を示す。
- 参考スコア(独自算出の注目度): 16.37151863041569
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing popularity of various mobile devices, user targeting has
received a growing amount of attention, which aims at effectively and
efficiently locating target users that are interested in specific services.
Most pioneering works for user targeting tasks commonly perform
similarity-based expansion with a few active users as seeds, suffering from the
following major issues: the unavailability of seed users for newcoming services
and the unfriendliness of black-box procedures towards marketers. In this
paper, we design an Entity Graph Learning (EGL) system to provide explainable
user targeting ability meanwhile applicable to addressing the cold-start issue.
EGL System follows the hybrid online-offline architecture to satisfy the
requirements of scalability and timeliness. Specifically, in the offline stage,
the system focuses on the heavyweight entity graph construction and user entity
preference learning, in which we propose a Three-stage Relation Mining
Procedure (TRMP), breaking loose from the expensive seed users. At the online
stage, the system offers the ability of user targeting in real-time based on
the entity graph from the offline stage. Since the user targeting process is
based on graph reasoning, the whole process is transparent and
operation-friendly to marketers. Finally, extensive offline experiments and
online A/B testing demonstrate the superior performance of the proposed EGL
System.
- Abstract(参考訳): さまざまなモバイルデバイスの人気が高まり,特定のサービスに関心を持つターゲットユーザを効果的かつ効率的に特定することを目的とした,ユーザターゲティングの注目が高まっている。
ユーザターゲティングタスクのための先駆的な作業は、一般的に、いくつかのアクティブユーザを種として、類似性に基づく拡張を行います。
本稿では,コールドスタート問題に対して適用可能なユーザターゲティング機能を実現するために,エンティティグラフ学習(egl)システムを設計する。
EGLシステムは、スケーラビリティとタイムラインの要求を満たすために、ハイブリッドオンラインオフラインアーキテクチャに従う。
具体的には,オフラインステージでは,ヘビーウェイトなエンティティグラフ構築とユーザエンティティ嗜好学習に着目し,高価なシードユーザから逸脱した3段階関係マイニング手順(trmp)を提案する。
オンラインの段階では、オフラインのステージからエンティティグラフに基づいてリアルタイムでユーザーターゲティングを行うことができる。
ユーザーターゲティングプロセスはグラフ推論に基づいているため、プロセス全体が透過的で、マーケターにとって操作しやすい。
最後に、大規模なオフライン実験とオンラインA/Bテストにより、提案したEGLシステムの優れた性能を示す。
関連論文リスト
- Retrieval Augmentation via User Interest Clustering [57.63883506013693]
インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。
本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。
当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
論文 参考訳(メタデータ) (2024-08-07T16:35:10Z) - Large Language Models for Power Scheduling: A User-Centric Approach [6.335540414370735]
本稿では、任意のユーザの音声要求(VRQ)をリソース割り当てベクトルに変換することで、リソーススケジューリング問題に対する新しいアーキテクチャを提案する。
具体的には、要求を最適化問題(OP)に変換するためのLLM意図認識エージェント、LLM OPパラメータ識別エージェント、OP解決エージェントを設計する。
論文 参考訳(メタデータ) (2024-06-29T15:47:28Z) - Can Graph Learning Improve Planning in LLM-based Agents? [61.47027387839096]
言語エージェントにおけるタスクプランニングは、大規模言語モデル(LLM)の開発とともに重要な研究トピックとして浮上している。
本稿では,課題計画のためのグラフ学習に基づく手法について検討する。
我々のグラフ学習への関心は、注意のバイアスと自己回帰的損失が、グラフ上の意思決定を効果的にナビゲートするLLMの能力を妨げているという理論的な発見に起因している。
論文 参考訳(メタデータ) (2024-05-29T14:26:24Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳(メタデータ) (2022-11-02T01:42:20Z) - FedGRec: Federated Graph Recommender System with Lazy Update of Latent
Embeddings [108.77460689459247]
プライバシー問題を軽減するためのフェデレートグラフレコメンダシステム(FedGRec)を提案する。
本システムでは,ユーザとサーバは,ユーザとアイテムに対する遅延埋め込みを明示的に記憶する。
我々は,遅延埋め込みを相互作用グラフの欠落のプロキシとして用いることの有効性を検証するために,広範な実験的な評価を行った。
論文 参考訳(メタデータ) (2022-10-25T01:08:20Z) - ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement
Learning [91.58711082348293]
オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。
このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。
疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
論文 参考訳(メタデータ) (2022-02-05T02:01:19Z) - Decentralized Task Offloading in Edge Computing: A Multi-User
Multi-Armed Bandit Approach [29.211635895407753]
未知のシステム側情報を考慮したマルチユーザオフロードフレームワークを開発した。
具体的には、動的タスク配置をオンラインマルチユーザーマルチアームバンディットプロセスとして定式化する。
我々は,DEBOが最適なユーザサーバ割り当てを導出できることを示す。
論文 参考訳(メタデータ) (2021-12-22T11:51:37Z) - Context-aware Heterogeneous Graph Attention Network for User Behavior
Prediction in Local Consumer Service Platform [8.30503479549857]
ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。
ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。
本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
論文 参考訳(メタデータ) (2021-06-24T03:08:21Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-03-28T05:47:33Z)
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。