要約
本論文では、チームISISTANITOSがACM RecSys Challenge 2023に提出した手法について概説する。本コンペティションはShareChatによって主催され、ユーザーがアプリ広告をクリックする確率および／またはアプリをインストールする確率を予測することを目的としており、深層ファネル最適化の向上と、特にユーザーのプライバシー保護に注力していた。本研究で提案する手法は、クリック確率とインストール確率の予測を、別々ではあるが関連する二つのタスクとして扱うものである。したがって、モデルは各タスクに特化した特徴量と、共通して利用する特徴量の両方を設計している。本モデルは「重み付き多段階特徴因子分解（Weighted Multi-Level Feature Factorization）」と呼ばれ、ニューラルネットワーク内の深さに対応する「次数（order）」に応じた異なる階層の特徴量間の相互作用を考慮する。特定のタスクに対する予測値は、異なる階層におけるタスク固有の特徴量と共有特徴量を統合することで生成される。本研究の提出物は、学術部門（academia-track）の最終結果において11位となり、総合スコアは55を達成した。本研究のソースコードは以下のURLにて公開している：https://github.com/knife982000/RecSys2023Challenge