KDDAug, 2019

基于多用户活动轨迹的 B2B 广告定向学习

PDF
TL;DR本文介绍了利用有关团队内相关用户的全面活动轨迹来预测商业向商业产品的转化，提出了一种使用分布式活动表示法构建种子列表的方法，使用来自 Yahoo Gemini 的数据来验证本方法，证明了本方法可以将转化预测 AUC 值提升 8.8％。
online purchase decisionsmultiple agentsb2b productsconversion predictionrelevant users
发现论文，激发创造
  • 在线展示广告的基于时间感知的用户前瞻性建模

    通过跟踪用户活动和设计强大的模型来获取转化意向的隐含信号，从而提高预测概率的可靠性和精度，并增加对信号影响的可解释性。

    Nov, 2019

  • B2B 广告：账户和用户的联合动态评分

    该研究使用神经网络结构从 B2B 销售的个人交流活动中聚合信息，动态评分账户与其个体以及群体决策，预测购买行为的可能性，以解决个体之间信息异质性和群体决策变化的问题。

    Sep, 2022

  • 个性化干预网络用于长尾顺序用户行为建模

    该论文提出了一种新方法，通过梯度聚合技术，学习所有用户的共同知识并在此基础上，为头部用户和尾部用户分别提供定制化的预测，从而显著提高了尾部用户的推荐效果。

    Aug, 2022

  • 一种非参数贝叶斯方法用于在线活动预测

    通过贝叶斯非参数方法预测用户活跃数量及所需的时间轨迹，以实现实验规划和干预效果的准确预测。

    Jan, 2024

  • 基于 URL 嵌入的展示广告转化预测

    本研究介绍了不同的模型来预测用户转化的概率，其中包括三个 URL 嵌入模型和转化预测模型，并通过实验数据证明了其有效性。

    Aug, 2020

  • 基于 B2C 在线零售平台上的历史用户操作的大规模购买预测

    用机器学习和回归分类方法，以及集成模型为主的方法实现 Tmall 网站上的下一次购买预测，最终取得 F1Score 为 6.11 分，排名第七。

    Aug, 2014

  • 点击率预测的用户行为检索

    本论文提出了一种基于数据检索的用户行为检索框架（UBR4CTR），通过可学习的搜索方法从整个用户历史序列中检索出最相关和最适当的用户行为，然后将这些检索到的行为馈入深度模型进行最终预测，该框架能够在低成本下被高度可行地部署到工业模型流水线中，三个实际大规模数据集上的实验证明了该框架的优越性和功效。

    May, 2020

  • 在线广告中用户响应预测

    本研究通过综述在线广告平台中利用机器学习方法的用户响应预测，提出分类方法，介绍用户数据可用性、特点以及现有挑战，并探讨相关应用和数据集，旨在分析在线广告生态系统的相关方和方法。

    Jan, 2021

  • HypTrails：一种基于贝叶斯方法的人类 Web 轨迹比较假说

    本研究提出一个名为 HypTrails 的方法，利用马尔可夫链模型和贝叶斯推理来比较对网页上的人类活动路径的假设，包括网站导航、商业评价和在线音乐播放的路径，用以改善网络结构、预测点击或加强推荐，其中使用的量是信息性的狄利克雷先验。

    Nov, 2014

  • 在线 A/B 测试中未来用户活动的改进预测

    在线随机实验和 A/B 测试中，参与者包含率的准确预测是至关重要的，本文提出了一种新颖、直接且可扩展的贝叶斯非参数方法，用于预测在线 A/B 测试中个体接受干预的比率，并展示了其在实验和模拟数据上相对于现有方法的卓越性能。

    Feb, 2024