둜그인

Generative Long-term User Interest Modeling for Click-Through Rate Prediction

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
λΉ„μ–΄ 있음

μ €μž

Jiangli Shao, Kaifu Zheng, Hao Fang, Huimu Ye, Zhiwei Liu, Bo Zhang, Shu Han, Xingxing Wang

πŸ’‘ κ°œμš”

λ³Έ 논문은 클릭λ₯ (CTR) μ˜ˆμΈ‘μ—μ„œ μž₯기적인 μ‚¬μš©μž 관심사λ₯Ό 효과적으둜 λͺ¨λΈλ§ν•˜κΈ° μœ„ν•΄ μƒˆλ‘œμš΄ μƒμ„±ν˜• λͺ¨λΈμΈ GenLIλ₯Ό μ œμ•ˆν•©λ‹ˆλ‹€. 기쑴의 ν‘œμ  쀑심 검색 방식이 놓칠 수 μžˆλŠ” 잠재적 관심사λ₯Ό ν¬μ°©ν•˜κ³ , λŒ€κ·œλͺ¨ μ‚¬μš©μž 행동 데이터에 λŒ€ν•œ 계산 λ³΅μž‘μ„±μ„ 쀄이기 μœ„ν•΄ μ œμ•ˆλ˜μ—ˆμŠ΅λ‹ˆλ‹€. GenLIλŠ” λ³„λ„μ˜ 검색 단계 없이 관심사λ₯Ό 직접 μƒμ„±ν•¨μœΌλ‘œμ¨ μ •ν™•μ„±κ³Ό νš¨μœ¨μ„± μ‚¬μ΄μ˜ κ· ν˜•μ„ κ°œμ„ ν•©λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
μ‚¬μš©μž κ΄€μ‹¬μ‚¬μ˜ 포괄적이고 λ‹€μ–‘ν•œ λͺ¨λΈλ§: GenLIλŠ” ν‘œμ  μ•„μ΄ν…œμ— λ…λ¦½μ μœΌλ‘œ μ—¬λŸ¬ 관심사 뢄포λ₯Ό μƒμ„±ν•˜μ—¬ μ‚¬μš©μž κ΄€μ‹¬μ‚¬μ˜ λ‹€μ–‘ν•œ 츑면을 ν¬μ°©ν•˜κ³ , 행동 κ°„μ˜ μƒν˜Έμž‘μš© 정보λ₯Ό ν†΅ν•©ν•¨μœΌλ‘œμ¨ μ™„μ „ν•˜κ³  편ν–₯λ˜μ§€ μ•Šμ€ 관심사 νŠΉμ§•μ„ μƒμ„±ν•©λ‹ˆλ‹€.
β€’
효율적인 행동 검색: λ³΅μž‘ν•œ 맀칭 기반 검색 ν”„λ‘œμ„ΈμŠ€λ₯Ό λ‹¨μˆœν•œ 쑰회 μ—°μ‚°μœΌλ‘œ λŒ€μ²΄ν•˜μ—¬ μ‹œκ°„ λ³΅μž‘μ„±μ„ 크게 쀄이고, 특히 λŒ€κ·œλͺ¨ μ‚¬μš©μž 행동 λ°μ΄ν„°μ—μ„œ 온라인 μ„œλΉ„μŠ€μ˜ νš¨μœ¨μ„±μ„ ν–₯μƒμ‹œν‚΅λ‹ˆλ‹€.
β€’
생성 기반 μ ‘κ·Ό λ°©μ‹μ˜ 잠재적 λ‚œμ΄λ„: 관심사λ₯Ό μƒμ„±ν•˜λŠ” κ³Όμ • 자체의 κ΅¬ν˜„ λ³΅μž‘μ„±μ΄λ‚˜ μƒμ„±λœ κ΄€μ‹¬μ‚¬μ˜ ν’ˆμ§ˆ μ œμ–΄μ— λŒ€ν•œ μΆ”κ°€ 연ꡬ가 ν•„μš”ν•  수 μžˆμŠ΅λ‹ˆλ‹€.
πŸ‘
Slashpage둜 μ œμž‘λ¨