クリックスルー率予測のための深層関心進化ネットワーク

クリックスルー率（CTR）予測は、ユーザーのクリック確率を推定することを目指しており、広告システムにおいて核心的なタスクの一つとなっています。CTR予測モデルでは、ユーザー行動データの背後にある潜在的なユーザー興味を捉えることが必要です。また、外部環境と内部認知の変化を考慮すると、ユーザー興味は時間とともに動的に変化します。興味モデリングのためのいくつかのCTR予測手法がありますが、それらの多くは行動を直接興味として表現し、具体的な行動の背後にある潜在的な興味に対する特別なモデリングが不足しています。さらに、興味の変化傾向を考慮する研究は少ないです。本論文では、新しいモデルであるDeep Interest Evolution Network（DIEN）を提案します。特に、歴史的な行動シーケンスから時系列的な興味を抽出するために、興味抽出層を設計しました。この層では、各ステップでの興味抽出を監督するために補助損失を導入しています。ユーザーの興味は多様であり、特に電子商取引システムではそうであるため、目標アイテムに関連する興味進化プロセスを捉えるために興味進化層を提案します。興味進化層では、注意メカニズムが順序構造に新しく組み込まれており、興味進化過程で相対的な興味の効果が強調されます。公開データセットおよび産業データセットにおける実験結果から、DIENは最先端のソリューションよりも著しく優れた性能を示しました。特にDIENは淘宝（Taobao）のディスプレイ広告システムに導入され、CTRにおいて20.7％の改善が達成されました。