표현 학습을 활용한 클릭률 예측

클릭률(CTR) 예측은 온라인 광고 시스템에서 중요한 작업입니다. 기존의 대부분 방법들은 주로 특성-CTR 관계를 모델링하지만, 데이터 희소성 문제에 직면해 있습니다. 본 논문에서는 이러한 문제를 해결하기 위해 더 많은 정보와 통계적으로 신뢰할 수 있는 특성 표현을 학습하기 위한 다른 유형의 관계를 모델링하는 DeepMCP를 제안합니다. 그 결과 CTR 예측의 성능을 향상시키는 것이 목표입니다. 특히, DeepMCP는 세 부분으로 구성됩니다: 매칭 서브네트워크, 상관관계 서브네트워크 및 예측 서브네트워크입니다. 이들 서브네트워크는 각각 사용자-광고, 광고-광고 및 특성-CTR 관계를 모델링합니다. 이러한 서브네트워크들이 대상 라벨의 감독 아래 공동으로 최적화될 때, 학습된 특성 표현은 우수한 예측 능력과 표현 능력을 모두 갖추게 됩니다. 두 개의 대규모 데이터셋에 대한 실험 결과, DeepMCP가 여러 최신 모델보다 CTR 예측에서 우수한 성능을 보임을 입증하였습니다.