• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining >Deep Personalized Re-targeting
【24h】

Deep Personalized Re-targeting

机译：深度个性化重新定位

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Predicting booking probability and value at the traveler level plays a central role in computational advertising for massive two-sided vacation rental marketplaces. These marketplaces host millions of travelers with long shopping cycles, spending a lot of time in the discovery phase. The footprint of the travelers in their discovery is a useful data source to help these marketplaces to predict shopping probability and value. However, there is no one-size-fits-all solution for this purpose. In this paper, we propose a hybrid model that infuses deep and shallow neural network embeddings into a gradient boosting tree model. This approach allows the latent preferences of millions of travelers to be automatically learned from sparse session logs. In addition, we present the architecture that we deployed into our production system. We find that there is a pragmatic sweet spot between expensive complex deep neural networks and simple shallow neural networks that can increase the prediction performance of a model by seven percent, based on offline analysis.
机译：在旅行者层面的预订可能性和价值的预测在大规模双面度假租赁市场的计算广告中起着核心作用。这些市场接待了数百万长购物周期的旅行者，在发现阶段花费了大量时间。旅行者发现的足迹是有用的数据源，可帮助这些市场预测购物的可能性和价值。但是，没有一种适合所有人的解决方案。在本文中，我们提出了一种混合模型，该模型将深层和浅层神经网络嵌入注入到梯度提升树模型中。这种方法允许从稀疏的会话日志中自动学习数百万旅行者的潜在偏好。此外，我们还介绍了部署到生产系统中的体系结构。我们发现，在昂贵的复杂深层神经网络和简单浅层神经网络之间存在一个实用的甜点，可以根据离线分析将模型的预测性能提高7％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号