Core Concepts
ユーザーの過去の行動パターンを効果的に活用することで、クリック率予測の性能を大幅に向上させることができる。
Abstract
本論文は、ユーザーの行動パターンを活用したクリック率予測手法を提案している。従来の手法は、ユーザーの過去の行動履歴を一つの系列としてモデル化していたが、実際のユーザー行動には様々な行動パターンが含まれており、それらを適切にモデル化することが重要である。
提案手法の Deep Pattern Network (DPN) は以下の3つの主要な要素から構成される:
Target-aware Pattern Retrieval Module (TPRM): ターゲットアイテムに関連する行動パターンを効率的に抽出する。
Self-supervised Pattern Refinement Module (SPRM): 抽出した行動パターンを自己教師学習によって洗練する。
Target Pattern Attention (TPA): ターゲットの行動パターンと過去の行動パターンの依存関係をモデル化する。
これらの要素により、DPNは行動パターンの情報を効果的に活用し、3つの公開データセットでの実験結果から、従来手法に比べて優れたクリック率予測性能を示している。特に、行動パターンの洗練と依存関係のモデル化が重要な役割を果たしていることが分かる。
Stats
ユーザー行動パターンの出現頻度は、アイテムレベルでは上位5位までで15,901件、カテゴリレベルでは上位5位までで135,426件に及ぶ。
ユーザー行動パターンの長さが3の場合、最も出現頻度が高いパターンは(3371523, 2367945, 1591862)である。
Quotes
"ユーザーの行動パターンは、多様な興味関心に基づいて形成されるため、それらを適切にモデル化することが重要である。"
"行動パターンの洗練と依存関係のモデル化が、クリック率予測の性能向上に重要な役割を果たしている。"