探索层次化兴趣表示用于Meta广告深度漏斗优化

Meta 探索层次化兴趣表示（HIR）用于广告深度漏斗优化，通过统一嵌入连接用户兴趣与广告主供给。

• HIR 采用基于 Transformer 的图学习，结合偏差感知注意力和自监督跨视图蒸馏，学习多层级兴趣表示。
• 利用 LLM 处理多模态广告主和产品内容，丰富稀疏交互，泛化到罕见实体。
• 输出通用嵌入和“意义袋”兴趣 token，可赋能个性化、检索、排序等广告架构。
• 在数十亿交互的真实 Meta 广告数据上端到端训练，旨在提升深度漏斗广告效果。
• 看点：HIR 可能显著改善 Meta 广告系统的精准度，尤其对长尾和深度转化场景。