क्लिक-थ्रू दर भविष्यवाणी के लिए प्रभावी विषम बातचीत सीखना

Zhichen Zeng और 27 अन्य लेखकों द्वारा क्लिक-थ्रू रेट प्रेडिक्शन के लिए प्रभावी हेटेरोजेनस इंटरैक्शन लर्निंग नामक पेपर का एक पीडीएफ देखें।

पीडीएफ देखें
एचटीएमएल (प्रयोगात्मक)

अमूर्त:क्लिक-थ्रू दर (CTR) भविष्यवाणी, जो किसी विज्ञापन पर क्लिक करने वाले उपयोगकर्ता की संभावना की भविष्यवाणी करती है, अनुशंसित सिस्टम में एक मौलिक कार्य है। उपयोगकर्ता प्रोफ़ाइल और व्यवहार अनुक्रम जैसे विषम जानकारी का उद्भव, विभिन्न पहलुओं से उपयोगकर्ता के हितों को दर्शाता है। विषम जानकारी का एक पारस्परिक रूप से लाभकारी एकीकरण सीटीआर भविष्यवाणी की सफलता के लिए आधारशिला है। हालांकि, अधिकांश मौजूदा तरीके दो मौलिक सीमाओं से पीड़ित हैं, जिनमें (1) मोड्स के बीच यूनिडायरेक्शनल सूचना प्रवाह के कारण अपर्याप्त अंतर-मोड इंटरैक्शन शामिल हैं, और (2) प्रारंभिक सारांश के कारण आक्रामक सूचना एकत्रीकरण, जिसके परिणामस्वरूप अत्यधिक सूचना हानि होती है। उपरोक्त सीमाओं को संबोधित करने के लिए, हम इंटरफॉर्मर नामक एक उपन्यास मॉड्यूल का प्रस्ताव करते हैं, जो एक इंटरलेविंग शैली में विषम सूचना बातचीत सीखने के लिए है। बेहतर बातचीत सीखने को प्राप्त करने के लिए, इंटरफॉर्मर विभिन्न मोड में पारस्परिक रूप से लाभकारी सीखने के लिए द्विदिश सूचना प्रवाह को सक्षम बनाता है। आक्रामक सूचना एकत्रीकरण से बचने के लिए, हम प्रत्येक डेटा मोड में पूरी जानकारी बनाए रखते हैं और प्रभावी सूचना चयन और सारांश के लिए एक अलग ब्रिजिंग आर्क का उपयोग करते हैं। हमारा प्रस्तावित इंटरफॉर्मर तीन सार्वजनिक डेटासेट और एक बड़े पैमाने पर औद्योगिक डेटासेट पर अत्याधुनिक प्रदर्शन को प्राप्त करता है।