EXTR：面向外部性的工业级广告点击率预估框架

丨目录：

· 摘要

· 背景

· 模型设计

·  实验

· 结论

· 参考文献

1. 摘要

点击率预估用于衡量用户对商品的点击概率，在电商平台中扮演了十分重要的角色。电商平台通常以混合展现的方式为广大消费者提供自然结果和广告。事实上，围绕在目标广告周围的其他商品会影响用户对目标广告的点击率。本文将“除目标广告的其他展现商品”统称为外部商品（External Items），外部商品既包括自然结果，也包括其他被展示的广告，外部商品对目标广告的影响称为外部性影响（External Effects / Externalities）。大多数点击率预估模型假设用户的点击率仅依赖于商品本身，而忽略了外部商品对目标商品的影响，本文主要关注广告系统中点击率预估的外部性。

在广告预估阶段，自然结果列表已经由自然引擎返回，广告槽位的展示结果还未确定，由此引出两个重要挑战：1）正在被预测的目标广告可能在任意广告位胜出，环绕在不同广告位周围的外部商品可能完全不同，从而形成多样化的外部性（Diversity Externalities）；2）所有候选广告同时进行点击率预估，环绕在目标广告周围的外部广告未知，导致不完整的外部性（Incomplete Externalities）。面临以上挑战，受 Transformer 高并行性的启发，我们提出了 EXternality TRansformer（EXTR）。EXTR 将目标广告所有可能的展示情形当作 Query，对应的外部商品作为 Key/Value 以同时建模多样化的外部性。进一步地，我们提出了 PAG 模块学习潜在的外部广告排列以克服不完整外部性的问题。线上实验结果表明，EXTR 模型能够有效的建模外部性影响，提升广告平台收益。相关工作论文已发表在KDD 2022，欢迎阅读交流。

论 文：EXTR: Click-Through Rate Prediction with Externalities in E-Commerce Sponsored Search

下 载（点击↓阅读原文）：https://dl.acm.org/doi/abs/10.1145/3534678.3539053

2. 背景

一般来说，广告点击率除了跟商品本身质量有关，也跟与它同时展示的商品有关。随着商品的品类、数目增加，在客户端展示列表中更加突出的商品更可能获得用户的青睐。本文主要研究其他展示商品对目标广告点击率的影响。区别于目标商品本身，我们将目标商品以外的其他商品称为外部商品(External Items)，外部商品对目标商品的点击率影响统称为外部性影响(External Effects / Externalities)。推荐系统往往将自然结果和广告以混合的方式展示给广大消费者，因此，目标广告的外部商品不仅包括自然结果，还包括其他被展示的广告。由于自然结果和广告的优化目标不同，这两类展示结果一般由不同的引擎提供，本文主要关注广告侧引擎的点击率预估。