On the Practice of Deep Hierarchical Ensemble Network for Ad Conversion Rate Prediction
Created by
Haebom
저자
Jinfeng Zhuang, Yinrui Li, Runze Su, Ke Xu, Zhixuan Shao, Kungang Li, Ling Leng, Han Sun, Meng Qi, Yixiong Meng, Yang Tang, Zhifang Liu, Qifei Shen, Aayush Mudgal
개요
본 논문은 광고 추천 시스템의 성공에 중요한 역할을 하는 클릭률(CTR) 및 전환율(CVR) 예측에 대해 다룬다. 기존의 Deep Hierarchical Ensemble Network (DHEN)은 여러 특징 교차 모듈을 통합하여 CTR 예측에서 큰 성공을 거두었지만, 사용자의 타사 웹사이트 또는 앱에서의 구매, 장바구니 추가, 회원 가입 등의 행동을 예측하는 전환 광고 환경에서의 CVR 예측 성능은 불분명하다. 본 논문에서는 DHEN의 효율적인 활용 방안을 연구하고, 다중 작업 학습 프레임워크를 제안하여 모든 CVR 작업을 예측한다. 또한 온사이트 실시간 사용자 행동 시퀀스와 오프사이트 전환 이벤트 시퀀스를 모두 활용하고, CVR 예측에서의 레이블 부족 문제를 해결하기 위해 자기 지도 학습 보조 손실 함수를 제안한다. 결과적으로, 사전 학습된 사용자 개인화 기능을 사용한 기존의 단일 특징 교차 모듈에 비해 최첨단 성능을 달성했다.
시사점, 한계점
•
시사점:
◦
DHEN을 기반으로 한 다중 작업 학습 프레임워크를 통해 CVR 예측 성능 향상.
◦
온사이트 및 오프사이트 사용자 행동 시퀀스를 활용한 CVR 예측 성능 향상.
◦
자기 지도 학습 보조 손실 함수를 통한 레이블 부족 문제 해결 및 성능 향상.
◦
사전 학습된 사용자 개인화 기능을 활용한 최첨단 성능 달성.
•
한계점:
◦
DHEN의 최적 구조 (모듈 종류, 깊이, 너비, 하이퍼파라미터)에 대한 명확한 지침 부재.
