An Attention-based Model for Conversion Rate Prediction with Delayed Feedback via Post-click Calibration
Yumin Su, Liang Zhang, Quanyu Dai, Bo Zhang, Jinyao Yan, Dan Wang, Yongjun Bao, Sulong Xu, Yang He and Weipeng Yan
JD.com, The Hong Kong Polytechnic University, Communication University of China
https://www.ijcai.org/Proceedings/2020/0487.pdf
在线展示广告的产业,价值高达数十亿美元,转化率预估在其中起着越来越重要的作用。
转化率预估主要有两个挑战,其一,用户历史数据比较稀疏,比较复杂且非线性;其二,点击时间和对应的转化时间可能会延迟数秒甚至几个周。现有模型通常受这种稀少数据以及延迟转化行为的影响。
这篇文章提出一种新的基于深度学习的框架,来解决以上两个挑战。具体而言,作者们从曝光及点击行为中提取出预训练的embedding,来辅助转化率模型,并且从序列点击数据中提出一种内部自注意力机制来捕获细粒度的个性化商品购买兴趣。
此外,为了解决转化时延问题,对时延模型进行校准,利用大量的后验点击数据学习动态风险函数,使得模型跟真实分布更加一致。
真实用户行为数据上的实验结果表明作者们所提方法的有效性。
转化率预估中的时延问题是一个挑战
这篇文章的主要贡献如下
部分相关工作简介如下
作者们提出的模型整体结构图示如下
转化率模型数学表示如下
数据集信息简介如下
数据集信息统计如下
参与对比的有以下几种算法
模型参数设置如下
在3个数据集上,几种算法的模型指标对比如下
更深层次的转化率分析如下
转化率时延分布图示如下
几种算法的时延分布距离度量对比如下
您可能感兴趣
CIKM2022|中科院联合腾讯提出基于知识蒸馏的校准转化率预估
NIPS2022|南京大学提出基于点击后行为的广义延迟反馈模型
SIGIR2019|中科院联合清华提出基于ID嵌入Meta-Embedding算法优化冷启动广告
KDD2021|华为提出对偶图增强embedding神经网络DG-ENN用于CTR预估
KDD2021|因果模型在实时竞价重复曝光次数中的应用
雅虎联合阿里提出转化率预估实用框架并用于在线展示广告
IJCAI2020|京东联合香港理工提出基于点击校准的注意力模型用于时延归因转化率预估
WSDM2022|阿里联合中科院提出特征协同作用网络CAN用于点击率预估(已开源)
WSDM2022|阿里提出合约广告自适应统一分配框架AUAF(已开源)
ICDM2019|阿里提出大规模个性化分发实时平滑算法并用于合约展示广告
微软提出实时竞价算法并用于效果展示广告分配
淘宝展示广告中的优化点击成本算法
在线定向广告中的预算控制算法
KDD2021|清华联合雅虎|斯坦福大学|纽约大学提出竞价隐藏算法MEOW