यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
हमने Pinterest के विज्ञापन सिस्टम में ग्राफ़ न्यूरल नेटवर्क (GNN) लागू करके उपयोगकर्ताओं की ऑन-साइट विज्ञापन इंटरैक्शन और ऑफ-साइट रूपांतरण गतिविधियों के आधार पर एक बड़े पैमाने का विषम ग्राफ़ बनाया। मौजूदा GNN मॉडल की सीमाओं को दूर करने के लिए, हमने विज्ञापन रैंकिंग मॉडल में ग्राफ़ एम्बेडिंग को कुशलतापूर्वक एकीकृत करने के लिए TransRA (एंकर के साथ TransR) नामक एक नया नॉलेज ग्राफ़ एम्बेडिंग (KGE) मॉडल प्रस्तावित किया। शुरुआत में, KGE का सीधा एकीकरण चुनौतीपूर्ण था, लेकिन एक बड़ी ID एम्बेडिंग टेबल तकनीक और एक ध्यान-आधारित KGE फ़ाइन-ट्यूनिंग तकनीक को लागू करके, हमने CTR और CVR पूर्वानुमान मॉडल के AUC में उल्लेखनीय सुधार किया। इस फ्रेमवर्क को Pinterest के विज्ञापन जुड़ाव मॉडल में लागू किया गया, जिससे CTR में 2.69% की वृद्धि और CPC में 1.34% की कमी आई।
Takeaways, Limitations
•
Takeaways:
◦
हम बड़े पैमाने पर विषम ग्राफ का लाभ उठाकर ऑन-साइट और ऑफ-साइट उपयोगकर्ता गतिविधि डेटा को प्रभावी ढंग से एकीकृत करने की एक विधि प्रस्तुत करते हैं।
◦
हम एक नवीन KGE मॉडल, ट्रांसआरए का उपयोग करके विज्ञापन रैंकिंग मॉडल में ग्राफ एम्बेडिंग को प्रभावी ढंग से एकीकृत करने की विधि प्रस्तुत करते हैं।
◦
बड़े पैमाने पर आईडी एम्बेडिंग तालिकाओं और ध्यान-आधारित केजीई फाइन-ट्यूनिंग तकनीकों का उपयोग करके वास्तविक दुनिया की विज्ञापन प्रणालियों में बेहतर प्रदर्शन प्राप्त करना।
◦
वास्तविक दुनिया के औद्योगिक वातावरण में प्रदर्शन में सुधार की पुष्टि की गई (2.69% CTR सुधार, 1.34% CPC कमी)।
•
Limitations:
◦
प्रारंभ में, हमें KGE को विज्ञापन रैंकिंग मॉडल में सीधे एकीकृत करने में कठिनाइयों का सामना करना पड़ा, जिससे अतिरिक्त तकनीकी समाधानों (बड़ी ID एम्बेडिंग तालिकाएं और ध्यान-आधारित फ़ाइन-ट्यूनिंग) की आवश्यकता का सुझाव मिला।
◦
प्रस्तुत कार्यप्रणाली एक विशिष्ट प्लेटफॉर्म, पिनटेरेस्ट, के लिए विशिष्ट है, तथा अन्य प्लेटफॉर्मों पर इसकी सामान्यता निर्धारित करने के लिए आगे अनुसंधान की आवश्यकता है।
◦
ट्रांसआरए मॉडल का प्रदर्शन तुलना लक्ष्य मॉडल स्पष्ट रूप से प्रस्तुत नहीं किया गया है। अन्य केजीई मॉडलों के साथ आगे तुलनात्मक विश्लेषण की आवश्यकता है।
