RS Meet DL(66)-[阿里]基于多任务学习的CVR预估模型ESM2

今天介绍的文章名称是《Conversion Rate Prediction via Post-Click Behaviour Modeling》

在本系列的第十九篇文章中，我们已经介绍过一种基于多任务学习的CVR预估模型ESMM，同样是阿里发表的论文。本文可以看作是ESMM的升级版，一起来学习一下吧。

1、背景

一个包含推荐系统、用户行为的完整电商推荐流程如下图所示：

主要分为两个部分，一是推荐阶段，二是用户行为阶段。推荐阶段大都分为召回和精排两部分，精排之后有时候会通过一些规则进行打散，然后展示给用户。用户看到推荐的物品，称作Impression（可翻译为曝光），用户看到自己感兴趣的物品，会Click（点击），如果觉得还不错，会Buy（购买）。因此用户行为阶段的一般过程是Impression - Click - Buy。

此时我们就会有两个主要的概念：CTR和CVR，同时这两个指标也是电商推荐系统所要预估的重点部分。CTR是曝光到点击的概率，而CVR是点击到购买的概率。

传统的CVR预估问题存在两个主要的问题