用户数据大模型
文章平均质量分 93
首创用户数据大模型,在游戏行业多个预测场景取得SOTA最佳成绩。
游戏数据科学
首创用户数据大模型,在游戏行业多个预测场景取得SOTA最佳成绩。
展开
-
基于深度概率模型的用户生命周期价值预测
ZLIN论文提出专为 LTV 标签数据设计的混合 ZILN 损失函数,并提倡使用归一化基尼系数来量化模型的区分能力,推广使用十分位图来评估模型的校准能力。原创 2024-07-28 22:04:46 · 396 阅读 · 0 评论 -
ODMN亿级用户的用户生命周期价值预测:来自快手的工业级解决方案
快手ODMN引入了一个订单依赖单调网络,建模了不同时间跨度LTV之间的有序依赖关系,从而大大提高了模型性能。ODMN框架已成功部署在快手的多个业务场景中,并取得了优异的性能。原创 2024-07-18 20:44:20 · 2160 阅读 · 0 评论 -
CMLTV用于用户生命周期价值预测的对比多视角框架
华为CMLTV是一个多视角框架,该框架通过联合优化具有不同特征和优势的多种回归器来编码和融合全面的知识。该系统已经在华为的移动游戏中心上线部署,并实现了32.26%的总支付金额增长。原创 2024-07-16 20:23:29 · 705 阅读 · 0 评论 -
perCLTV游戏个性化用户生命周期价值预测的通用系统
网易perCLTV系统从流失预测和支付预测这两个子任务出发,以序列门控多任务学习的方式重新审视个性化CLTV预测问题,通过异构玩家行为数据来建模不同类型游戏的CLTV,在弹窗推荐和流失干预的两个精准营销应用中取得了显著的改进。原创 2024-07-15 20:00:10 · 341 阅读 · 0 评论 -
ExpLTV通过专家路由和大R识别预测用户生命周期价值
ExpLTV,一种新颖的多任务框架,用于在统一的方式下执行 LTV 预测和游戏鲸鱼检测。原创 2024-06-19 07:07:50 · 1119 阅读 · 2 评论 -
超长行为序列数据处理:基于搜索的兴趣模型
阿里SIM基于搜索的兴趣模型,采用两阶段搜索机制,能处理超长用户行为序列,并将长期序列用户行为数据建模的最大长度推进到 54000。该模型已在阿里的展示广告系统中作为主模型部署,带来了 7.1% 的 CTR 提升和 4.4% 的 RPM 提升。原创 2024-06-15 11:52:41 · 672 阅读 · 0 评论 -
推荐系统用户行为建模综述
文章总结了用户行为建模(UBM)的四个方向,包括传统 UBM、长序列 UBM、多类型 UBM 以及带有辅助信息的 UBM,并比较不同方向的特点和指标,最后得到结论,长序列 UBM遥遥领先。原创 2024-06-13 20:34:38 · 481 阅读 · 0 评论 -
MSDMT使用多源数据和多任务学习预测用户流失和付费
对于用户流失和付费预测任务,MSDMT模型创造性地引入玩家画像、行为序列和社交网络在内的异构多源数据,取得显著的改进。原创 2024-06-13 07:01:22 · 1712 阅读 · 0 评论 -
BST行为序列Transformer模型
阿里Qiwei Chen等人在2019年5月发表的论文《Behavior sequence transformer for e-commerce recommendation in Alibaba》,创造性地将Transformer模型应用于用户行为序列数据,开创了在用户数据上使用Transformer模型的新方向。特此将BST论文全文翻译,总共6107字,以供大家参考和学习。原创 2024-06-12 14:17:21 · 773 阅读 · 0 评论 -
万字长文介绍用户生命周期价值预测模型MDLUR
目前业界对于用户生命周期价值预测最新并且最成功的模型是2023年8月Junwoo Yun等人发表的《Multi Datasource LTV User Representation (MDLUR)》。根据论文的表述,该模型正是采用了最新的Transformer模型架构,并达到了行业内SOTA的水平。SOTA,全称State-Of-The-Art,用于描述机器学习中取得某个任务上当前最优效果的模型。特此将MDLUR论文全文翻译,总共11650字,以供大家参考和学习。原创 2024-06-10 16:53:47 · 943 阅读 · 0 评论 -
游戏用户生命周期价值预测模型综述
从预测模型综述可以清晰看到游戏用户生命周期价值预测的模型演化历程,从非机器学习的传统模型,到机器学习模型和深度学习模型,再到最新最热门的Transformer模型,模型能处理的数据种类越来越多,能处理的数据量也越来越大,有很明显的由小到大,向大模型转变的趋势。最新的MDLUR模型能处理用户信息数据、用户行为序列数据和用户时间序列数据等各种数据,进而得到业内最好SOTA的技术指标,并能支持游戏行业中常见的用户生命周期价值预测和用户留存流失预测等各种预测任务。原创 2024-06-08 17:11:12 · 2077 阅读 · 0 评论