Nadir tıklamalardan öğrenme: Derin CTR tahmininde dengesizlik işleme tekniklerinin karşılaştırmalı analizi

Tıklama Oranı (TO) tahmini, e-ticaret, çevrimiçi reklamcılık ve öneri sistemlerinde temel ancak zorlu bir görevdir. Tıklama verilerinin dengesiz dağılımı, yani pozitif tıklama örneklerinin tıklanmama örneklerinden çok daha az sayıda olması, bu görevdeki başlıca sorunlardan biridir. Bu çalışma, tıklama oranı tahmini problemi için üç derin öğrenme modeli ile birleştirilmiş nadir olay tahminleme yöntemlerinin kapsamlı bir karşılaştırmasını sunmaktadır. Kullanılan modeller Deep and Cross Network (DCN), Deep Factorization Machine (DeepFM) ve Deep Neural Network (DNN)'dir. Değerlendirilen nadir olay işleme yöntemleri, veri düzeyinde yöntemler olan SMOTE ve NearMiss alt örnekleme ile algoritma düzeyinde yöntemler olan sınıf ağırlıkları, PolyLoss ve Dice kaybı fonksiyonlarıdır. Deneyler iki büyük ölçekli gerçek dünya veri seti üzerinde gerçekleştirilmiştir: 1,4 milyon eğitim örneği ve yüzde 16,16 TO'ya sahip Avazu TO tahmin veri seti ve bir e-ticaret şirketi olan Trendyol tarafından sağlanan, 5 milyon eğitim örneği ve yaklaşık yüzde 5 tıklama oranına sahip Trendyol JFY Ads veri seti. Çoklu tohum Wilcoxon işaretli sıralar testi ($n = 7$, $p < 0{,}05$) ile doğrulanan deneysel sonuçlar, PolyLoss'un hem Avazu'da (DNN ile 0,7675, referansa göre +\%0,44) hem de Trendyol'da (DCN ile 0,6710, referansa göre +\%0,56) en iyi ortalama AUC değerine ulaştığını göstermektedir. Bu sonuçlar, algoritma düzeyindeki yöntemlerin, veri düzeyindeki yaklaşımlara kıyasla çeşitli veri setleri ve modeller arasında performans iyileştirmelerinde daha tutarlı olduğunu ortaya koymaktadır.