基于冷启动的多场景点击率预测排序模型
摘要：在线旅游平台（OTP），如Ctrip.com或Fliggy.com，能够为用户提供有效的旅游相关产品或服务。本文针对多场景点击率（CTR）预测进行研究，即训练一个统一的模型来为所有场景提供服务。现有的基于多场景的CTR方法在OTP环境中存在困难，因为忽视了冷启动用户，这些用户的数据非常有限。为了填补这一差距，我们提出了一种名为基于冷启动的多场景网络（CSMN）的新方法。具体而言，它由两个基本组件组成: 1）用户兴趣投影网络（UIPN），首先通过消除与访问场景无关的信息来净化用户的行为，然后通过注意机制总结净化后对于目标项目的用户场景特定兴趣；2）用户表示记忆网络（URMN），通过记忆读写机制从具有丰富行为的用户中获益。CSMN将两个组件无缝集成到一个端到端的学习框架中。对实际的离线数据集和在线A/B测试的广泛实验表明，CSMN优于现有的方法。
作者：Peilin Chen, Hong Wen, Jing Zhang, Fuyu Lv, Zhao Li, Qijie Shen, Wanjie Tao, Ying Zhou, Chao Zhang
论文ID：2304.07858
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-18