nogawanogawa
commented
2 years ago 背景
推薦システムにおいて、CTR予測は重要な要素になっており、多くの推薦システムではクリック数を最大化することであり、推定されたCTRによって順位付けされたランキングを返す。収益を最大化することについても同様で、クリック✕利益に置き換えて考えるだけである。
CTRを予測するタスクではユーザーのクリック行動の背後にある特徴量の交錯を学習することが非常に重要な要素となる。 例えば、フードデリバリーのアプリは食事時にダウンロードされやすいが、これはアプリのカテゴリとタイムスタンプの組み合わせが有効な特徴量となると考えられる。 また、10代の男性はシューティングゲームやRPGのゲームを好むが、これは性別と年齢、ゲームのカテゴリの3つの相互作用が有効な特徴量であると考えられる。
一般にユーザーのクリック行動の背後にある特徴の相互作用は低次〜高次のものが使用され、それらを同時に考慮することでどちらか一方を考慮するより高い性能を発揮することができるとされている。 しかし、この特徴量の相互作用を効果的にモデリングすることは非常に難しい。FMなどでは、原理的には高次の特徴量の相互作用を考慮可能であるが、実際には2次の相互作用のみが考慮される。
論文URL
https://arxiv.org/abs/1703.04247
著者
Huifeng Guo, Ruiming Tang, Yunming Ye, Zhenguo Li, Xiuqiang He
会議
IJICAI2017
背景
一般にユーザーのクリック行動の背後にある特徴の相互作用は低次〜高次のものが使用され、それらを同時に考慮することでどちらか一方を考慮するより高い性能を発揮することができるとされている。 しかし、この特徴量の相互作用を効果的にモデリングすることは非常に難しい。 FMなどでは、原理的には高次の特徴量の相互作用を考慮可能であるが、実際には2次の相互作用のみが考慮される。
目的
低次・高次の特徴量相互作用を考慮した、学習モデルを導出する
アプローチ