論文の概要: Analysis of Anonymous User Interaction Relationships and Prediction of Advertising Feedback Based on Graph Neural Network
- arxiv url: http://arxiv.org/abs/2506.13787v1
- Date: Wed, 11 Jun 2025 04:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 17:34:59.136252
- Title: Analysis of Anonymous User Interaction Relationships and Prediction of Advertising Feedback Based on Graph Neural Network
- Title(参考訳): グラフニューラルネットワークを用いた匿名ユーザインタラクション関係の解析と広告フィードバック予測
- Authors: Yanjun Dai, Haoyang Feng, Yuan Gao,
- Abstract要約: 本稿では3つの主要な貢献を成すDTH-GNN(Decoupled Temporal-Hierarchical Graph Neural Network)を提案する。
まず,各相互作用を短周期バースト,昼周期,長距離メモリの3種類のチャネルに分割し,並列拡張残差の畳み込みカーネルを用いて特徴抽出を行う。
第三に、フィードバック知覚のコントラストを定式化し、様々なタイムスライスの一貫性を最大化し、二重ビューターゲットによる制御露光情報のエントロピーを最大化し、二重モーメントキュー蒸留のグローバルプロトタイプを示す。
- 参考スコア(独自算出の注目度): 5.250286096386298
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While online advertising is highly dependent on implicit interaction networks of anonymous users for engagement inference, and for the selection and optimization of delivery strategies, existing graph models seldom can capture the multi-scale temporal, semantic and higher-order dependency features of these interaction networks, thus it's hard to describe the complicated patterns of the anonymous behavior. In this paper, we propose Decoupled Temporal-Hierarchical Graph Neural Network (DTH-GNN), which achieves three main contributions. Above all, we introduce temporal edge decomposition, which divides each interaction into three types of channels: short-term burst, diurnal cycle and long-range memory, and conducts feature extraction using the convolution kernel of parallel dilated residuals; Furthermore, our model builds a hierarchical heterogeneous aggregation, where user-user, user-advertisement, advertisement-advertisement subgraphs are combined through the meta-path conditional Transformer encoder, where the noise structure is dynamically tamped down via the synergy of cross-channel self-attention and gating relationship selector. Thirdly, the contrast regularity of feedback perception is formulated, the consistency of various time slices is maximized, the entropy of control exposure information with dual-view target is maximized, the global prototype of dual-momentum queue distillation is presented, and the strategy gradient layer with light weight is combined with delaying transformation signal to fine-tune the node representation for benefit-oriented. The AUC of DTH-GNN improved by 8.2% and the logarithmic loss improved by 5.7% in comparison with the best baseline model.
- Abstract(参考訳): オンライン広告は、エンゲージメント推論のために匿名ユーザの暗黙のインタラクションネットワークに依存しており、デリバリー戦略の選択と最適化のために、既存のグラフモデルは、これらのインタラクションネットワークのマルチスケールの時間的、セマンティック、高階の依存性の特徴をキャプチャすることはめったにないため、匿名の振る舞いの複雑なパターンを記述するのは難しいです。
本稿では,DTH-GNN(Decoupled Temporal-Hierarchical Graph Neural Network)を提案する。
さらに、ユーザ・ユーザ・広告・広告広告のサブグラフをメタパス条件のトランスフォーマー・エンコーダ(Transformer encoder)を介して結合し、チャネル間の自己アテンションとゲーティング関係セレクタ(Gating relationship selector)の相乗効果により、ノイズ構造を動的に追従する階層的ヘテロジニアス・アグリゲーションを構築する。
第三に、フィードバック知覚のコントラスト規則性を定式化し、様々なタイムスライスの一貫性を最大化し、二重ビューターゲットによる制御露光情報のエントロピーを最大化し、二重モーメントキュー蒸留のグローバルプロトタイプを示し、軽量な戦略勾配層と遅延変換信号を組み合わせて、利益指向のノード表現を微調整する。
DTH-GNNのAUCは8.2%改善し、対数損失は5.7%改善した。
関連論文リスト
- Graph Transformer GANs with Graph Masked Modeling for Architectural
Layout Generation [153.92387500677023]
本稿では,グラフノード関係を効果的に学習するために,GTGAN(Graph Transformer Generative Adversarial Network)を提案する。
提案したグラフ変換器エンコーダは、局所的およびグローバルな相互作用をモデル化するために、Transformer内のグラフ畳み込みと自己アテンションを組み合わせる。
また,グラフ表現学習のための自己指導型事前学習手法を提案する。
論文 参考訳(メタデータ) (2024-01-15T14:36:38Z) - Spatio-temporal MLP-graph network for 3D human pose estimation [8.267311047244881]
グラフ畳み込みネットワークとその変種は3次元人間のポーズ推定において大きな可能性を示している。
暗黙の伝搬フェアリングを用いたグラフフィルタリングにより得られる新しい重み付きヤコビ特徴則を導入する。
また, 関節間の関係を学習するために, 隣接変調を用いた。
論文 参考訳(メタデータ) (2023-08-29T14:00:55Z) - Feature Decoupling-Recycling Network for Fast Interactive Segmentation [79.22497777645806]
近年のインタラクティブセグメンテーション手法では,入力としてソースイメージ,ユーザガイダンス,従来予測されていたマスクを反復的に取り込んでいる。
本稿では,本質的な相違点に基づいてモデリングコンポーネントを分離するFDRN(Feature Decoupling-Recycling Network)を提案する。
論文 参考訳(メタデータ) (2023-08-07T12:26:34Z) - ESGCN: Edge Squeeze Attention Graph Convolutional Network for Traffic
Flow Forecasting [15.475463516901938]
本稿では,複数の地域でのトラフィックフローを予測するネットワークエッジ・スキーズ・コンボリューション・ネットワーク(ESCN)を提案する。
ESGCNは、4つの現実世界のデータセットに対して大きなマージンで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-07-03T04:47:42Z) - Intensity Profile Projection: A Framework for Continuous-Time
Representation Learning for Dynamic Networks [50.2033914945157]
本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。
このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。
さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
論文 参考訳(メタデータ) (2023-06-09T15:38:25Z) - Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。
これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
論文 参考訳(メタデータ) (2022-06-06T14:26:34Z)
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。