已开发出一个名为 X-split Argus 的新框架用于广告排名,旨在提高点击率 (CTR) 预测的效率。该系统使用一个压缩器将过去的交互编码成可复用的 Token,然后由在线 Ranker 使用。与基线相比,该方法在归一化熵方面降低了 0.81%,并在 A/B 测试中,尽管在线推理成本增加了 15%,但关键业务指标提高了 4.65%,点击量增加了 2.96%。 AI
影响 该框架通过优化用户历史数据的利用,可能带来更高效、更有效的广告排名系统。
排序理由 这是一篇详细介绍 CTR 预测新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Alexander Ploshkin
- alphaXiv
- arXiv
- CatalyzeX
- click-through rate
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- X-split Argus
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →