文献

J-GLOBAL ID：202202236855801273   整理番号：22A0930878

Eコマース探索におけるクリックスルーレート予測のためのユーザ文脈化ページ毎フィードバックのモデリング【JST・京大機械翻訳】

Modeling Users’ Contextualized Page-wise Feedback for Click-Through Rate Prediction in E-commerce Search

著者 (10件)： Fan Zhifang (Alibaba Group, Hangzhou, China) ,  Ou Dan (Alibaba Group, Hangzhou, China) ,  Gu Yulong (Alibaba Group, Hangzhou, China) ,  Fu Bairan (Nanjing University, Nanjing, China) ,  Li Xiang (Alibaba Group, Hangzhou, China) ,  Bao Wentian (Alibaba Group, Hangzhou, China) ,  Dai Xin-Yu (Nanjing University, Hangzhou, China) ,  Zeng Xiaoyi (Alibaba Group, Hangzhou, China) ,  Zhuang Tao (Alibaba Group, Hangzhou, China) ,  Liu Qingwen (Alibaba Group, Hangzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 262-270  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ユーザの歴史的フィードバックのモデリングは,個人化検索と推薦におけるクリック-トラフ速度予測に不可欠である。既存の方法は,通常,フィードバックのコンテキスト情報を無視するクリックシーケンスのようなユーザのポジティブフィードバック情報だけをモデル化する。本論文では,全体ページワイズ曝露製品と文脈化ページワイズフィードバックシーケンスとして対応するフィードバックを含む文脈意識ユーザ行動モデリングのための新しい展望を提案した。ページ内コンテキスト情報とページ間関心進化は,より特定のユーザ選好を学ぶために捉えることができる。著者らは,ページコンテキストをモデリングするために,ページ-文脈認識注意を利用する,新しいニューラルランキングモデルRACP(再構成ページシーケンス上のReカレント注意)を設計した。反復注意プロセスを用いて,以前のページにおける関心の雑音除去として,交差ページの関心収束進化をモデル化した。公共と実世界の産業データセットに関する実験は,著者らのモデルの有効性を検証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報 ,  製品 ,  ニューラルネットワーク ,  カレント ,  *フィードバック ,  再構成 ,  *利用者 ,  *文脈 ,  有効性 ,  雑音除去 ,  *電子商取引
準シソーラス用語： 正帰還 ,  行動モデリング ,  コンテキスト情報 , 【Automatic Indexing@JST】

著者キーワード (3件)： ニューラルネットワーク ,  個人化された探索 ,  ユーザシーケンスモデリング

分類 (3件)： その他の情報処理  (JE15050M) ,  人間機械系  (IB03000G) ,  検索技術  (AC06020S)

タイトルに関連する用語 (9件)： Eコマース ,  探索 ,  クリック ,  スルーレート ,  予測 ,  文脈 ,  ページ ,  フィードバック ,  モデリング