Translator|布加迪评论|SunShujuanshoppingcart”，根据最初搜索的商品提高推荐广告的相关性。陈雪在最近的这篇文章中对其进行了非常详细的描述。eBay的推广列表标准(PLS)是一种面向卖家的收费选项。使用PLSIM选项，eBay的推荐引擎会推荐与潜在买家刚刚点击的相似的赞助商列表。PLSIM按CPA模式付款（卖家仅在完成销售时向eBay付款），因此非常有动力创建最有效的模式来推广最佳列表。这通常对卖家、买家和eBay都很有效。PLSIM旅程如下：1.用户搜索一个项目。2.用户点击搜索结果-->LogintoViewItems(VI)页面以查看列出的项目（eBay称它们为种子项目）。3.用户向下滚动VI页面，可以看到PLSIM中的推荐商品。4.用户点击PLSIM中的一个项目，执行一个操作（观看、添加到购物车、立即购买等），或者看到另一组新的推荐项目。从机器学习的角度来看，PLSIM的旅程如下：检索与种子商品最密切相关的候选促销列表标准的子集（“检查完整集”）。使用训练有素的机器学习排序器按购买可能性对语料库中的项目列表进行排序。根据广告费率重新排序产品列表，以通过促销与推荐相关性平衡卖家速度。排名模型排名模型基于以下历史数据：与种子项目相似的推荐项目数据推荐项目上下文（国家和产品类别）用户个性化功能eBay使用梯度提升树，对于特定种子项目，基于onItems按其相对购买概率排名。从二元反馈到多相关反馈过去，购买概率依赖于二元购买数据。如果与种子商品一起购买，则为“相关”，否则为“无关”。这是一种失败的方法，但有几个主要方面可以优化：假阴性：由于用户通常只购买推荐列表中的一项，因此在没有购买不良推荐的情况下可能会考虑良好的推荐，从而导致误报。购买次数很少：训练具有足够数量和多样性的购买模型以预测与其他用户事件相比的积极类别变得越来越具有挑战性。缺失数据：从点击到添加到购物车的大量用户操作揭示了有关用户的大量信息，揭示了可能的结果。综上所述，eBay工程师除了初始点击之外还考虑了以下用户操作，以及如何将它们添加到排名模型中：立即购买（仅适用于立即购买，即BIN列表）添加到购物车（仅适用于BIN列表）出价（仅适用于BestBidList）Ask（仅适用于AuctionListing）AddtoWatchlist（适用于BIN、BestBid或AuctionListing）用户界面示例多重相关反馈的相关级别eBayKnowsBuyNow非常相关，因此需要添加额外的操作，但新的问题是：这些操作在关联层次结构中的位置？下图说明了eBay如何对剩余的可能操作进行排名-“出价”、“立即购买”、“添加到监视列表”和“添加到购物车”。在种子项目的历史训练数据中，每个潜在项目按以下顺序标记相关级别。作为标签的结果，在训练期间，排序器对错误排序的购买的惩罚比错误排序的立即购买更严重，等等。MultipleCorrelationFeedback的SampleWeightGradientBoostingTrees支持多个标签来捕获一系列相关性，但是没有直接的方法来实现相关性的大小。eBay必须反复运行测试，直到得出使模型有效的数字。研究人员添加了额外的权重（称为“样本权重”），这些权重被输入到成对损失函数中。他们优化了超参数调整工作并运行了25次迭代，然后才获得最佳样本权重——“添加到观察列表”(6)、“添加到购物车”(15)、“出价”(38)、“立即购买”(8)和“购买”(15)。如果没有样本权重，新模型将表现不佳。使用样本权重，新模型优于二元模型。他们尝试仅将点击添加为额外的相关反馈，调整后的超参数“购买”样本权重为150。离线结果也如下所示，其中“BOWC”代表“立即购买”、“出价”、“添加到关注列表”等操作”和“加入购物车”。购买排名反映了购买物品的平均排名。越小越好。结论训练好的模型总共有2000多个实例。A/B测试分两个阶段进行。第一阶段仅包括额外的选择标签，显示eBay移动应用程序的购买数量增加了2.97%，广告收入增加了2.66%，这被认为足以将模型投入全球生产环境。第2阶段将更多操作纳入模型，例如“添加到关注列表”、“添加到购物车”、“出价”和“立即购买”，A/B测试显示更好的客户参与度（例如更多点击和BWC）。原标题：EBay使用机器学习来优化推广列表，作者：JessicaWachtel
