Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Decoupled Entity Representation Learning for Pinterest Ads Ranking

Created by
  • Haebom

저자

Jie Liu, Yinrui Li, Jiankai Sun, Kungang Li, Han Sun, Sihan Wang, Huasen Wu, Siyuan Gao, Paulo Soares, Nan Li, Zhifang Liu, Haoyang Li, Siping Ji, Ling Leng, Prathibha Deshikachar

개요

본 논문은 Pinterest에서 개인 맞춤형 핀(Pin) 및 광고를 효과적으로 제공하기 위해 다양한 데이터 소스로부터 사용자 및 핀 임베딩을 생성하는 상향식-하향식 프레임워크를 제시합니다. 상향식 모델은 다양한 신호를 특징으로 하는 광범위한 데이터 소스를 기반으로 훈련되며, Pinterest에서 사용자와 핀 간의 복잡한 관계를 포착하기 위해 복잡한 아키텍처를 활용합니다. 확장성을 위해 실시간 계산 대신 엔티티 임베딩을 학습하고 정기적으로 갱신하여 상향식 및 하향식 모델 간의 비동기적 상호 작용을 허용합니다. 이러한 임베딩은 CTR 및 CVR 예측을 위한 광고 검색 및 순위 지정 모델을 포함한 다수의 하향식 작업에 입력 특징으로 통합됩니다. 본 프레임워크는 다양한 하향식 작업에서 오프라인 및 온라인 환경 모두에서 눈에 띄는 성능 향상을 달성하며, Pinterest의 실제 광고 순위 지정 시스템에 배포되어 온라인 지표에서 상당한 이익을 가져왔습니다.

시사점, 한계점

시사점:
다양한 데이터 소스를 활용한 상향식-하향식 프레임워크를 통해 사용자 및 핀 임베딩 생성 및 개인화된 광고 효율 향상 가능성 제시.
엔티티 임베딩의 정기적 갱신을 통한 확장성 있는 시스템 구축 방법 제시.
오프라인 및 온라인 환경 모두에서 성능 향상을 실증적으로 보여줌.
실제 시스템 배포를 통해 온라인 지표 개선을 확인.
한계점:
구체적인 상향식 모델의 아키텍처 및 사용된 데이터 소스에 대한 자세한 설명 부족.
비동기적 상호 작용의 구체적인 메커니즘 및 성능에 대한 분석 부족.
다른 개인화 시스템과의 비교 분석 부족.
장기적인 시스템 안정성 및 유지보수에 대한 논의 부족.
👍