时序对齐增强曝光模型用于点击率预测
摘要：点击率（CTR）预测在推荐系统和在线广告等应用中非常关键，它涉及根据用户点击的可能性对项目进行排名。用户行为序列建模已经在CTR预测中取得了进展，它从用户的历史行为序列中提取潜在兴趣，以促进准确的CTR预测。最近的研究探索使用隐式反馈序列，如未点击记录，来提取多样化的用户兴趣。然而，这些方法面临着关键挑战：1）由于不同序列时间范围引起的时间错位，2）反馈序列之间缺乏细粒度交互。为了解决这些挑战，我们提出了一种新的框架名为TEM4CTR，它确保序列之间的时间对齐，同时利用辅助反馈信息通过表示投影机制增强项目级别的点击行为。此外，这个基于投影的信息传递模块能够有效缓解辅助反馈信息中无关甚至有害成分对点击行为学习过程的负面影响。对公开和工业数据集的全面实验验证了TEM4CTR的优越性和有效性，展示了时间对齐在多反馈建模中的重要性。
作者：Hengyu Zhang, Chang Meng, Wei Guo, Huifeng Guo, Jieming Zhu, Guangpeng Zhao, Ruiming Tang, Xiu Li
论文ID：2308.09966
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-22