多目标模型
2020-10-26 19:19:40 15 举报
多目标模型是一种同时考虑多个目标或指标的决策分析方法,它试图在多个相互冲突的目标之间寻找最佳平衡点。这种模型广泛应用于经济、工程、环境和社会等领域,以解决复杂的问题和挑战。多目标模型通常采用数学优化方法,如加权法、层次分析法、模糊综合评价法等,来量化不同目标之间的权重关系,从而实现对各种方案的综合评估和比较。通过多目标模型的应用,决策者可以更好地理解各个目标之间的关系,制定出更加合理和有效的策略和措施,以满足不同利益相关者的需求和期望。
作者其他创作
大纲/内容
多目标ESMM模型
CTCVR、CTR、CVR关系
ESMM模型优点
特征输入
ESMM模型提出利用学习CTR和CTCVR的辅助任务,迂回地学习CVR的思路。pCTR 和pCTCVR 是ESMM模型需要学习的两个主要目标,而且是在整个样本空间上建模得到的,pCVR 只是一个中间变量ESMM相当于一种多任务学习框架,其中两个子任务的网络结构可根据不同业务场景使用不同的模型,不受限制
ESMM模型损失函数
1、在整个样本空间建模,避免训练跟预测时样本分布不一致问题2、Embedding共享特征思想,cvr任务能使用ctr任务学习到的信信息,缓解数据稀疏性
1、模型在点击样本空间建模,而需要在整个样本空间预测打分2、训练样本少导致数据特征稀疏性
传统CVR模型缺点
CTR目标损失
以用户点击帖子后在详情页的停留时长(如停留时长大于60秒)作为转化目标,两个子任务都是XDeepFM模型网络结构,模型训练完后,线上分别以PCVR、PCTCVR输出作为预测值做测试。最终PCTCVR值在保证ctr基本不降的情况下人均点击时长约有%4提升
CTRCVR目标损失
不同目标任务共享embedding向量
线上应用
0 条评论
下一页