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。

Decoupled Entity Representation Learning for Pinterest Ads Ranking

Created by
  • Haebom

作者

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

概要

この論文では、Pinterestでパーソナライズされたピンと広告を効果的に提供するために、さまざまなデータソースからユーザーとピンの埋め込みを作成するためのトップダウン - トップダウンフレームワークについて説明します。ボトムアップモデルは、さまざまな信号を特徴とする幅広いデータソースに基づいてトレーニングされ、Pinterestでユーザーとピン間の複雑な関係を捉えるために複雑なアーキテクチャを利用します。スケーラビリティのために、リアルタイム計算の代わりにエンティティ埋め込みを学習し、定期的に更新し、ボトムアップモデルとトップダウンモデル間の非同期相互作用を可能にします。これらの埋め込みは、CTR予測とCVR予測のための広告検索およびランキングモデルを含む、複数のトップダウン操作に入力機能を組み込んでいます。このフレームワークは、さまざまなトップダウン操作でオフライン環境とオンライン環境の両方で顕著なパフォーマンス向上を達成し、Pinterestの実際の広告ランキングシステムに展開され、オンライン指標に大きな利益をもたらしました。

Takeaways、Limitations

•
Takeaways:
◦
さまざまなデータソースを活用したトップダウン - トップダウンフレームワークを通じて、ユーザーとピンの埋め込みを作成し、パーソナライズされた広告効率を向上させる可能性を提示します。
◦
エンティティ埋め込みの定期的な更新によるスケーラブルなシステム構築方法の提示
◦
オフライン環境とオンライン環境の両方でパフォーマンスの向上を実証的に表示します。
◦
実際のシステム展開を通じてオンライン指標の改善を確認します。
•
Limitations:
◦
特定のボトムアップモデルのアーキテクチャと使用されたデータソースの詳細な説明の欠如。
◦
非同期相互作用の具体的なメカニズムと性能の解析不足
◦
他の個人化システムとの比較分析の欠如
◦
長期的なシステム安定性とメンテナンスに関する議論の欠如。
👍
Made with Slashpage