【标题】Deep Page-Level Interest Network in Reinforcement Learning for Ads Allocation

【作者团队】Guogang Liao, Xiaowen Shi, Ze Wang, Xiaoxu Wu, Chuheng Zhang, Yongkang Wang, Xingxing Wang, Dong Wang

【发表日期】2022.4.1

【论文链接】https://arxiv.org/pdf/2204.00377.pdf

【推荐理由】Feed 中通常会显示广告和自然项目的混合列表，如何分配有限的广告位以最大化整体收入是一个关键问题。同时，将用户偏好与历史行为建模在推荐和广告（例如，CTR 预测和广告分配）中是必不可少的。先前的用户行为建模工作大多只对用户的历史点级正反馈（即点击）进行建模，而忽略了反馈和其他类型反馈的页面级信息。为此，本文提出了深度页面级兴趣网络（DPIN）来模拟页面级用户偏好并利用多种类型的反馈。具体来说，通过引入了四种不同类型的页面级反馈作为输入，并通过多渠道交互模块捕捉用户在不同感受域下对项目安排的偏好。通过在美团外卖平台上进行的大量线下和线上实验，研究结果表明 DPIN 可以有效地模拟页面级用户偏好并增加平台的收入。

内容中包含的图片若涉及版权问题，请及时与我们联系删除