- 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.
1 min read
CTR prediction 연구에서 공통된 평가 방식이나 표준화된 벤치마크가 부족하다. 다양한 모델들에 대하여 벤치마크를 진행하였고, 해당 결과나 진행한 코드는 reproducible 하도록 공개하였다.
핵심 요약 광고 클릭 후 전환(구매, 앱 설치)까지 시간 지연이 발생하고, 하나의 클릭이 여러 번의 전환으로 이어질 수 있는 문제를 해결하는 모델.
Leveraging Post-click Feedback for Content Recommendations B) II.
Between Clicks and Satisfaction - Study on Multi-Phase User Preferences and Satisfaction for Online News Reading Abstract click signal does not capture post-click user...
Pareto Efficient 추천을 위한 framework 를 제안했다. two-step Pareto efficient 최적화 알고리즘 제안.
한줄 요약 OneSearch 는 Kuaishou가 제안한 e-commerce search용 end-to-end generative retrieval framework이다.
방법론 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.
한줄 요약 LLM을 이용한 E-commerce Query-Product Relevance 판단 프레임워크.
한 줄 요약 Flipkart의 Semantic Retrieval for Product Search in E-Commerce 는 Qwen3 Embedding 기반 4B dual encoder를 상품 검색에 맞게 fine-tuning한 production 적용 사례다.
2501.07365 🎯 연구 동기 및 문제 정의 기존 문제점: 이커머스 검색에서 Semantic Retrieval은 주로 텍스트 기반으로만 연구됨 상품 이미지는 구매 결정에 중요한 요소인데, dense retrieval에서의 영향이 체계적으로 연구되지 않음 기존 multimodal 연구들의 한계: MaxSim...