Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Multi-Faceted Large Embedding Tables for Pinterest Ads Ranking

Created by
  • Haebom

作者

Runze Su, Jiayin Jin, Jiacheng Li, Sihan Wang, Guangtong Bai, Zelun Wang, Li Tang, Yixiong Meng, Huasen Wu, Zhimeng Pan, Kungang Li, Han Sun, Zhifang Liu, Haoyang Li, Siping Ji, Degao Peng, Jinfeng Zhuang,

概要

本論文は,Pinterest広告ランキングモデルに大規模埋め込みテーブルを統合する過程で発生した問題とその解決策を提示した。初期の試みで大規模な埋め込みテーブルを最初から学習することができなかったので、さまざまな事前学習アルゴリズムを組み込んだ新しい多面的事前学習技術を導入しました。これにより、埋め込みテーブルの品質が向上し、Click-Through Rate(CTR)とConversion Rate(CVR)の両方でパフォーマンスが大幅に向上しました。また、GPUメモリの限界を克服し、スケーラビリティを高めるためにCPU-GPUハイブリッドサービングインフラを設計し、Pinterest広告システムに展開し、CPC 1.34%減少、CTR 2.60%増加という結果を得た。全遅延時間に変化はなかった。

Takeaways、Limitations

Takeaways:
多面積の事前学習技術により,大規模埋め込みテーブルの性能を大幅に向上できることを示した。
CPU-GPUハイブリッドサービングインフラストラクチャは、大規模な埋め込みテーブルのスケーラビリティの問題を解決できることを示唆しています。
Pinterest広告システムに実際に適用することで、CPCの減少とCTRの増加という実用的なパフォーマンスを達成します。
Limitations:
提示された多面積事前学習技術の具体的なアルゴリズムと実装の詳細の説明が不足している。
他の広告プラットフォームや推奨システムに適用可能性の分析が不足しています。
CPU-GPUハイブリッドサービングインフラストラクチャの具体的な構造と性能の詳細な説明が欠けています。
👍