초록
이 논문은 팀 ISISTANITOS가 ACM RecSys Challenge 2023에 참여하기 위해 사용한 접근 방식에 대한 개요를 제공한다. 이번 대회는 ShareChat에서 주관하였으며, 사용자가 앱 광고를 클릭하거나 앱을 설치할 확률을 예측함으로써 심층 퍼널 최적화를 개선하고, 특히 사용자 개인정보 보호에 초점을 맞추었다. 본 연구에서 제안하는 방법은 클릭 확률과 설치 확률을 서로 다른 그러나 관련된 두 가지 작업으로 간주하여, 각 작업에 특화된 특징 집합과 공유 특징 집합을 별도로 설계한다. 본 모델은 신경망 내 깊이에 해당하는 차수(order)에 따라 다양한 차수의 특징 간 상호작용을 고려하는 점에서 특징을 계층적으로 분해하는 방식을 취하며, 이를 바탕으로 '가중치가 부여된 다단계 특징 인수분해(Weighted Multi-Level Feature Factorization)'라고 명명하였다. 주어진 작업에 대한 예측은 각 단계에서 작업별 특징과 공유 특징을 조합함으로써 생성된다. 본 연구의 제출 결과는 학계 트랙 최종 결과에서 11위를 기록하였으며, 전반적인 점수는 55점이었다. 소스 코드는 다음 링크에서 공개된다: https://github.com/knife982000/RecSys2023Challenge