BriefGPT - AI 论文速递
·
利用变换器提高游戏中用户消费倾向预测的高效特征交互
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文提出了一种协同增强模型，通过标准化支出数据降低标签变异性，确保建模稳定性，预测用户游戏消费无需用户标识，保护隐私。模型在融合用户偏好和游戏特征前分别表示它们，作为支出预测模块输入。实验结果显示，离线数据提升17.11%，在线测试提升50.65%，强调了稳定模型训练框架在移动游戏消费预测中的重要性和有效性。
🎯
关键要点
- 提出了一种协同增强模型，通过标准化支出数据降低标签变异性，确保建模稳定性。
- 该模型能够预测用户游戏消费，无需依赖用户标识，保护用户隐私。
- 在融合用户偏好和游戏特征之前，分别表示它们作为支出预测模块的输入。
- 实验结果显示，离线数据提升17.11%，在线测试提升50.65%。
- 强调了稳定模型训练框架在移动游戏消费预测中的重要性和有效性。
➡️
