论文名称：A Deep Prediction Network for Understanding Advertiser Intent and Satisfaction 作者： Liyi Guo, Rui Lu, Haoqi Zhang, Junqi Jin, Zhenzhe Zheng, Fan Wu1, Jin Li2, Haiyang Xu2 Han Li, Wenkai Lu, Jian Xu, Kun Gai 发表时间：2020/8/20 论文链接：https://arxiv.org/abs/2008.08931

推荐原因 随着网络购物的迅速普及，广告费用成为电子商务平台的主要收入来源。但是以往的研究主要集中在对用户行为的建模和理解上，对广告商的行为、意图或满意度的研究却很少。本文开创了一个新的研究方向：关注广告商意图理解和广告商满意度预测，以进一步提高广告系统的性能。本文提出了一种新的深度满意度预测网络DSPN，使用广告绩效指标的权重向量对广告商意图进行建模，利用广告商和广告单位的概况信息、绩效指标和顺序行为来识别广告商意图并预测广告商满意度。在一个阿里巴巴广告数据集上的实验和在线评估表明，DSPN优于最先进的基线，并且在在线环境下具有稳定的AUC性能。DSPN目前已经部署在阿里巴巴的在线广告商流失预测系统中。 本文的主要贡献如下： （1） 本文开创性地研究了广告商意图识别和满意度预测。将广告商意图定义为广告绩效指标的多维权重向量，该向量可由数学优化问题导出。基于广告投入的变化，提出了一种新的衡量广告商满意度的指标。 （2）本文提出了一个深度满意度预测网络DSPN，它将广告商的意图和满意度联合建模。DSPN采用动作融合层和递归网络结构，有效地从广告商与广告平台交互的不同数据特征中提取对理解广告商意图和满意度至关重要的信息。 （3） 本文在一个阿里巴巴广告数据集上进行了大量的实验。结果验证了DSPN在满意度预测和意图向量生成方面的有效性。

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