SIGIR 2024 | 美团技术团队精选论文解读 & 论文分享会预告

正文

请到「今天看啥」查看全文

） ，Fei He （ Meituan ） ，Yongkang Wang （ Meituan ） ，Xingxing Wang（ Meituan ）

备注：*为共同一作。

论文类型： Long Paper

论文下载 ： PDF

论文简介 ： 电子商务平台通常展示一个包含自然结果和广告的有序列表来响应用户的页面请求。这个列表是广告拍卖和混排的结果，直接影响平台的广告收入和总交易额（ GMV ），其中广告拍卖决定展示哪个广告及其计费，混排决定广告和自然结果的展示顺序。主流做法将广告拍卖和混排分为两个独立阶段，但这存在两个问题导致次优的结果：1）广告拍卖没有考虑外部性，例如实际展示位置和上下文对广告点击率（ CTR ）的影响；2）混排利用拍卖获胜广告的计费动态决定展示位置，未能维持广告机制的激励兼容性（ IC ）。

因此，本文提出了一个深度自动机制，整合了广告拍卖和混排，确保在考虑外部性的情况下实现IC和个体理性（ IR ），同时最大化广告收入和GMV。该机制将候选广告和自然结果的有序列表作为输入，对于每个候选广告，在自然结果有序列表的不同位置插入广告，生成所有候选分配。对于每个候选分配，页面级别模型将整个分配作为输入，输出每个广告和自然结果的预测结果，以建模全局外部性。最后，基于深度神经网络建模的自动拍卖机制选择最优分配并确定计费。该机制同时决定了广告的排名、计费和展示位置，在离线实验和在线A/B测试中，产生的广告收入和GMV高于最先进的基线。

02

ReFer: Retrieval-Enhanced Vertical Federated Recommendation for Full Set User Benefit

ReFer: 一种面向全用户增益的检索增强式纵向联邦推荐框架

论文作者 ：Wenjie Li（ Tsinghua ）, Zhongren Wang（ Tsinghua ），Jinpeng Wang（ Tsinghua ）, Shu-Tao Xia（ Tsinghua ），Jile Zhu（ Meituan ），Mingjian Chen（ Meituan ），Jiangke Fan（ Meituan

请到「今天看啥」查看全文