Applying Deep Learning to Ads Conversion Prediction in Last Mile Delivery Marketplace

要約

Deep Neural Networks（DNNS）は、Webスケールのランキングシステムに革命をもたらし、複雑なユーザー行動をキャプチャし、パフォーマンスの向上を促進することを可能にします。
Doordashでは、ホームページ広告ランキングシステムを従来のツリーベースのモデルから最先端のマルチタスクDNNに移行することにより、最初にこの変革力を活用しました。
この進化は、データの基礎、モデル設計、トレーニング効率、評価の厳密さ、オンラインサービングの進歩を引き起こし、実質的なビジネスへの影響を提供し、機械学習へのアプローチを再構築しました。
この論文では、私たちの問題主導の旅について、適切な問題を特定し、ターゲットを絞ったソリューションの作成から、深い学習推奨システムの開発とスケーリングの複雑さを克服することまで説明します。
私たちの成功と学んだ教訓を通して、私たちは機械学習システムの同様の進歩を追求するチームに対する洞察と実用的なガイダンスを共有することを目指しています。

要約(オリジナル)

Deep neural networks (DNNs) have revolutionized web-scale ranking systems, enabling breakthroughs in capturing complex user behaviors and driving performance gains. At DoorDash, we first harnessed this transformative power by transitioning our homepage Ads ranking system from traditional tree based models to cutting edge multi task DNNs. This evolution sparked advancements in data foundations, model design, training efficiency, evaluation rigor, and online serving, delivering substantial business impact and reshaping our approach to machine learning. In this paper, we talk about our problem driven journey, from identifying the right problems and crafting targeted solutions to overcoming the complexity of developing and scaling a deep learning recommendation system. Through our successes and learned lessons, we aim to share insights and practical guidance to teams pursuing similar advancements in machine learning systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google