- Paper link
- 본 논문에서는 FTRL-Proximal 온라인 학습 알고리즘을 중심으로 대규모 광고 클릭 예측 시스템 구축에서 얻은 실제 경험을 공유합니다.
- 또한, 메모리 절약을 위한 실용적인 트릭, 성능 평가 및 시각화 방법, 예측 확률에 대한 신뢰 구간 제공 기법, 보정(calibration) 기법, 자동화된 피처 관리 방법 등 다양한 실전 노하우를 제안합니다.
CTR prediction 연구에서 공통된 평가 방식이나 표준화된 벤치마크가 부족하다. 다양한 모델들에 대하여 벤치마크를 진행하였고, 해당 결과나 진행한 코드는 reproducible 하도록 공개하였다. 벤치 마크 결과 여러 모델이 기존과 큰 차이를 보이진 않았지만, 기존 논문에서 report 된 결과와는 차이가 있었다.
광고 클릭 후 전환(구매, 앱 설치)까지 시간 지연 이 발생하고, 하나의 클릭이 여러 번의 전환 으로 이어질 수 있는 문제를 해결하는 모델. 전환 추적 기간을 여러 구간으로 나누어 각각 서브 모델 을 학습하고, 이미 관찰된 전환 정보 를 입력으로 활용하여 미래 전환을 예측한다.
Post-click 을 click 으로 가정하고, click 을 vimp 로 가정하면 성립하지 않을까?
A wide linear model and a deep neural network are trained together to both memorize and generalize a recommendation systems.
Abstract click signal does not capture post-click user experience: show that click signal does not align with user preference find that user preference changes frequently:
Pareto Efficient 추천을 위한 framework 를 제안했다.
LLM을 이용한 E-commerce Query-Product Relevance 판단 프레임워크 . Data Selection + Multi-CoT + DPO 세 단계로 구성되며, 특히 DPO로 "optimistic bias" (과도한 relevant 판정) 문제를 해결함.
본 논문에서 제안하는 검색 랭킹 모델은 Learning-to-Rank framework 기반으로 학습합니다. 모델의 최적화는 Walmart.com의 실제 검색 데이터를 활용하며, 다양한 사용자 행동 로그를 반영합니다. 랭킹 성능 향상을 위해서는 고품질 특성(feature)뿐만 아니라, 목적에 맞게 설계된...
- 이커머스 검색에서 Semantic Retrieval은 주로 텍스트 기반 으로만 연구됨 - 상품 이미지는 구매 결정에 중요한 요소인데, dense retrieval에서의 영향이 체계적으로 연구되지 않음 - 기존 multimodal 연구들의 한계: - MaxSim 같은 score function은 대규모 인덱스에서...
JD.com에서 제안한 Generative Retrieval and Alignment Model (GRAM) 은, LLM의 world knowledge를 활용해 query와 product 간 공유 텍스트 식별자(shared text identifier) 를 생성하고, DPO 기반 co-alignment로...