WWWFeb, 2021

一种带视觉先验的混合赌博模型，用于在显示广告中进行创意排名

PDF
TL;DR本文提出了一种基于混合 bandit 模型的视觉优先级别判定方法，用于在电子商务中推荐商品创意设计，以提高 CTR，通过实验表明该方法的有效性。
creativee-commercectrrecommender systemhybrid bandit model
发现论文，激发创造
  • VBPR：使用隐式反馈的视觉贝叶斯个性化排序

    本文利用预先训练的深度神经网络提取商品图像的视觉特征，并在此基础上构建一个可扩展的因式分解模型，将视觉信号与人们的偏好相结合，从而提高了个性化推荐和排名的准确性，并缓解了 “冷启动” 问题。

    Oct, 2015

  • 一种稳定扩散模型的点击率创新生成流程

    我们提出了一个新的自动化的点击率创意生成流水线（CG4CTR），旨在改进创意生成阶段的点击率。我们的贡献有 4 个方面：1）将填充模式应用于在线广告场景的创意生成任务。提出了一个自我循环生成流水线，以确保训练的收敛性。2）设计了提示模型，为不同用户群体生成个性化创意，进一步提高其多样性和质量。3）奖励模型的综合考虑图像和文本的多模态特征，以提高创意排序任务的有效性，也在自我循环流水线中起着重要作用。4）在线和离线实验中获得的显著优势验证了我们提出方法的重要性。

    Jan, 2024

  • 实时广告系统中广告和创意的并行排名

    广告服务中的创造力是其核心和灵魂。通过 AI 生成的内容，广告商能够以最小的成本创造大量的创意内容。本文首次提出了一种用于在线平行估计广告和创意排名的新架构，以及相应的离线联合优化模型。在线架构能够进行个性化的创意建模，同时降低总体延迟。CTR 估计的离线联合模型允许广告和创意之间进行相互感知和协同优化。我们对比了两种最先进的方法进行了广泛的实验。结果表明，我们的方法在离线评估和真实世界的在线广告平台中都具有响应时间、CTR 和 CPM 方面的有效性。

    Dec, 2023

  • 基于位置模型的多臂赌博反馈排序学习

    本文介绍了一种基于多臂老虎机算法和位置点击模型的方法，用于解决线上系统中推荐排名的偏见问题，并在合成和实际数据集的离线和在线 A/B 测试中证明了该算法的有效性。

    Apr, 2020

  • 实现超个性化：时尚电商自动广告创意生成和排序

    本研究提出了一种利用深度学习来自动创建电子商务主页广告横幅大量个性化的方法，并通过基因算法实现了对图像内容、设计约束等因素的最优横幅布局生成，并设计了一个排名方法来帮助选择正确的横幅，其主要贡献是提高了广告横幅的个性化和大量生成的效率，同时适用于印度一家时尚电子商务企业 - Myntra 的数据。

    Aug, 2019

  • 通过 DNN-MAB 动态排名范式优化总销售额

    该研究提出了一种新的基于深度学习和多臂老虎机算法的动态推荐排序系统 DNN-MAB，该系统以精准、准确、及时响应估算客户意图为重点，通过考虑诸如展现次数、点击次数、转化次数等的显式和隐式用户反馈信息，快速帮助客户找到最感兴趣的商品，使他们更快地完成购买，提高了 JD 的商品总交易额（GMV）水平。

    Aug, 2017

  • 基于混合卷积神经网络和类别先验的用户图像行为建模注意力机制

    本文介绍了如何通过混合 CNN 技术和类别先验信息，在 CTR 预测中提高广告点击率，取得了显著的后验实验结果和在线实验结果。

    May, 2022

  • Vista: 一种考虑视觉、社交和时间因素的艺术推荐模型

    本研究针对大规模数字艺术社区 Behance 的用户行为，建立了一个基于视觉外观、时间动态和社交动态的推荐系统。

    Jul, 2016

  • 一种面向视觉感知推荐系统的黑盒攻击模型

    该论文研究了基于图像的协同过滤推荐系统中可能存在的视觉攻击，并提出了一种新的视觉攻击模型，该模型可以有效地影响推荐系统中商品的排名，并证明了该攻击模型可以在不了解模型参数的情况下，通过对商品图像进行微小不可察觉的修改，从而提高商品的分数。

    Nov, 2020

  • 克服在线学习排名中的先验错误规定

    在线学习排序的领域，Bayesian ranking bandit algorithms 已被证明可以使用先前的知识来提高效能。本文提出并分析了自适应的算法，解决了现有工作需要匹配真实先验的主要局限性，并将这些结果扩展到线性和广义线性模型。此外，我们还考虑点击反馈措施，并通过合成和现实世界实验证明了我们算法的有效性。

    Jan, 2023