[2D4-OS-7b] 広告とAI(2/2)

[2D4-OS-7b-04] 複数キャンペーンのためのマルチタスクDelayed Feedback Model

〇佐竹 哉太¹、山田 誠^2,3、安井 翔太⁴、鹿島 久嗣^2,3 (1. 京都大学大学院情報学研究科、2. 京都大学、3. 理化学研究所、4. 株式会社サイバーエージェント)

キーワード：CVR予測、遅れコンバージョン、マルチタスク学習

オンライン広告を配信する際の指標として、ユーザの興味・嗜好を推定するためのコンバージョン率（CVR）がよく用いられる。コンバージョンは広告表示の直後に生じるとは限らないため観測に時間が必要であるが、一方で期間限定の広告などの場合にはデータ収集に時間をかけづらいという問題もある。そのため多くの研究では全ての広告をまとめて単一のデータセットとして扱っている。しかしこうした手法では広告ごとの特性の違いを適切に学習することは難しい上、データサイズの小さい広告に不利な最適化が行われる可能性がある。本研究では、各広告に配慮した最適化を行うための手法を導入したマルチタスクDelayed Feedback Modelを提案する。提案手法は複数広告を同時に最適化する際のタスクの衝突を回避することができ、またサイズの小さいタスクの学習を補助することができる。実際の広告データを用いた実験では、提案手法が比較手法よりも良い性能を示すことを確認した。