CTR与CVR联合预估更准更稳
通过多粒度知识表示、多视角学习器融合与自蒸馏，在转化样本稀疏场景下同时提升CTR与CVR预估的准确性和鲁棒性，已部署于华为广告平台主流量。
Xiaofan, Liu · Qinglin, Jia · 武楚涵 · Jingjie, Li · Dai, Quanyu · Lin, Bo · Zhang, Rui · Tang, Ruiming
2023
设计层次化的任务自适应知识表示模块，不同专家捕捉不同粒度的知识，既能利用CTR和CVR任务的共性，又能保留各自特性，从而更有效地建模。
采用多个学习器从不同视角提取数据知识，融合它们的预测得到准确且鲁棒的分数，避免单一视角可能带来的偏差。
通过自蒸馏，利用融合分数指导不同学习器，促进它们之间的知识共享，进一步提升整体性能。