DADNN: прогнозирование CTR в нескольких кампаниях с помощью доменной глубокой нейронной сети

DADNN: прогнозирование CTR в нескольких кампаниях с помощью доменной глубокой нейронной сети Источник фото: pixabay.com

Ученые предложили новую, но практичную модель под названием Domain-Aware Deep Neural Network (DADNN), способную прогнозировать CTR рекламных объявлений.

Прогнозирование рейтинга кликов (CTR) – основная задача рекламных систем. Быстро развивающийся бизнес электронной коммерции приводит к увеличению числа рекламных кампаний.

Большинство из них представляют собой так называемые площадки с длинным хвостом, что означает, что трафик одного места ограничен, но общий трафик достаточно значителен, чтобы не принимать его во внимание.

Типичные исследования в основном сосредоточены на обслуживании одной кампании с хорошо разработанной моделью. Однако этот метод приводит к чрезмерному потреблению ресурсов как при автономном обучении, так и при онлайн-обслуживании.

Кроме того, простое обучение одной модели с данными из нескольких сцен игнорирует их собственные характеристики. Чтобы решить эти проблемы, ученые предложили новую, но практичную модель под названием Domain-Aware Deep Neural Network (DADNN), обслуживающую несколько кампаниц с помощью только одной модели.

Модель ввела передачу знаний, чтобы расширить возможности обмена знаниями между различными кампаниями. Эксперименты на реальном производственном наборе данных показывают, что DADNN превосходит некоторые современные методы прогнозирования CTR.

Источник: arxiv.org