KDD 2021|美團聯合多高校提出多任務學習模型,已應用於聯名卡獲客場景

美團技術團隊 2021-08-15 07:17:32 阅读数:226

本文一共[544]字,预计阅读时长:1分钟~
kdd 多高 高校 提出 模型

很多應用通常都需要用定向展示廣告來進行獲客,對信用卡廣告來說,由於用戶轉化存在較長的鏈路,持續有效的獲客比傳統廣告更具挑戰性。本文結合美團聯名信用卡業務中的具體實踐,以及今年發錶在KDD 2021上的論文,介紹了一種自適應信息遷移多任務(AITM)框架,通過該框架可建模用戶多步轉化之間的序列依賴關系,並提高端到端獲客轉化率。希望能對從事相關研究的同學有所幫助或者啟發。

論文下載:《Modeling the Sequential Dependence among Audience Multi-step Conversions with Multi-task Learning in Targeted Display Advertising》

源代碼:https://github.com/xidongbo/AITM

 

參考文獻

[1] Jiaqi Ma, Zhe Zhao, Xinyang Yi, Jilin Chen, Lichan Hong, and Ed H Chi. 2018. Modeling task relationships in multi-task learning with multi-gate mixture-of-experts. In KDD. 1930–1939.

[2] Zhen Qin, Yicheng Cheng, Zhe Zhao, Zhe Chen, Donald Metzler, and Jingzheng Qin. 2020. Multitask Mixture of Sequential Experts for User Activity Streams. In KDD. 3083–3091.

[3] Hongyan Tang, Junning Liu, Ming Zhao, and Xudong Gong. 2020. Progressive Layered Extraction (PLE): A Novel Multi-Task Learning (MTL) Model for Personalized Recommendations. In RecSys. 269–278.

[4] Yixuan Li, Jason Yosinski, Jeff Clune, Hod Lipson, and John E Hopcroft. 2016. Convergent Learning: Do different neural networks learn the same representations? In ICLR.

[5] Matthew D Zeiler and Rob Fergus. 2014. Visualizing and understanding convolutional networks. In ECCV. 818–833.

[6] Eric Tzeng, Judy Hoffman, Ning Zhang, Kate Saenko, and Trevor Darrell. 2014. Deep domain confusion: Maximizing for domain invariance. arXiv preprint arXiv:1412.3474 (2014).

[7] Chen Gao, Xiangnan He, Dahua Gan, Xiangning Chen, Fuli Feng, Yong Li, Tat-Seng Chua, and Depeng Jin. 2019. Neural multi-task recommendation from multi-behavior data. In ICDE. 1554–1557.

[8] Chen Gao, Xiangnan He, Danhua Gan, Xiangning Chen, Fuli Feng, Yong Li, Tat-Seng Chua, Lina Yao, Yang Song, and Depeng Jin. 2019. Learning to Recommend with Multiple Cascading Behaviors. TKDE (2019).

[9] Xiao Ma, Liqin Zhao, Guan Huang, ZhiWang, Zelin Hu, Xiaoqiang Zhu, and Kun Gai. 2018. Entire space multi-task model: An effective approach for estimating post-click conversion rate. In SIGIR. 1137–1140.

[10] Hong Wen, Jing Zhang, Yuan Wang, Fuyu Lv, Wentian Bao, Quan Lin, and Keping Yang. 2020. Entire Space Multi-Task Modeling via Post-Click Behavior Decomposition for Conversion Rate Prediction. In SIGIR. 2377–2386.

[11] https://tianchi.aliyun.com/datalab/dataSet.html?dataId=408

| 招聘信息

美團金融智能應用團隊算法崗比特持續熱招中,誠招優秀算法工程師及專家,坐標北京/上海。招聘崗比特如下。

營銷算法工程師/專家

  • 服務美團金融各業務場景,負責營銷獲客、留存促活等場景的算法設計與開發,綜合機器學習與優化技術,解决金融營銷問題;

  • 沉澱算法平臺能力,提昇算法應用的效率,提供客群挖掘、權益分配、素材匹配、動態創意、運籌規劃、精准觸達等智能解决方案;

  • 結合美團金融業務場景,對深度學習、强化學習、知識圖譜等人工智能前沿技術探索創新,實施創新技術沉澱和落地。

風控算法工程師/專家

  • 通過機器學習模型與策略的開發優化,持續提昇對於金融風險行為的識別能力;

  • 深入理解業務,應用機器學習技術提高風控工作的自動化程度,全面提昇業務效率;

  • 跟進人工智能的前沿技術,並在金融風控場景中探索落地。

NLP算法工程師/專家

  • 基於美團金融業務場景,結合自然語言處理和機器學習相關技術,落地智能對話機器人到金融營銷、風險管理、客服等多個場景;

  • 參與研發對話機器人的相關項目,包括但不限於語義理解、多輪對話管理等相關算法的開發和優化;

  • 持續跟進學術界和工業界相關技術的發展,並快速應用於項目中。

歡迎感興趣的同學發送簡曆至:[email protected](郵件標題注明:美團金融智能應用團隊)。

| 美團科研合作

美團科研合作致力於搭建美團各部門與高校、科研機構、智庫的合作橋梁和平臺,依托美團豐富的業務場景、數據資源和真實的產業問題,開放創新,匯聚向上的力量,圍繞人工智能、大數據、物聯網、無人駕駛、運籌優化、數字經濟、公共事務等領域,共同探索前沿科技和產業焦點宏觀問題,促進產學研合作交流和成果轉化,推動優秀人才培養。面向未來,我們期待能與更多高校和科研院所的老師和同學們進行合作,歡迎大家跟我們聯系([email protected])。

閱讀更多

---

前端 |  算法 | 後端 | 數據

安全 | Android | iOS  | 運維 | 測試

----------  END  ----------

也許你還想看

  | KDD Cup 2020多模態召回比賽亞軍方案與搜索業務應用

  | ACL 2021|美團提出基於對比學習的文本錶示模型,效果提昇8%

  | KDD Cup 2020 自動圖學習比賽冠軍技術方案及在美團廣告的實踐

版权声明:本文为[美團技術團隊]所创,转载请带上原文链接,感谢。 https://gsmany.com/2021/08/20210815071728025m.html