Meta 探索分层兴趣表示优化广告深层漏斗
来自 Meta Engineering · 期号 2026-07-16
摘要
Meta 正在探索一种名为 Hierarchical Interest Representation 的上游表示层，用于优化广告系统的深层漏斗。 广告系统中的用户、广告主、商品和服务天然构成一张巨大的图网络，但用户与广告实体的交互信号非常稀疏。传统方法难以从这些零散的信号中推断出用户的真实兴趣。 Meta 的方案是用一个基于 transformer 的图学习模型，结合偏置感知注意力与自监督跨视图蒸馏，为所有广告实体学习统一的嵌入表示。同时，通过 LLM 处理多模态广告内容来丰富稀疏交互，使模型能泛化到罕见甚至未见过的实体。 该表示层输出通用嵌入和一种名为 Bag-of-Meaning 的兴趣 token，可服务于个性化推荐、检索、监督信号和排序架构。它已在 Meta 数十亿级真实广告数据上完成端到端训练，并计划与 GEM、Andromeda 等现有系统协同工作。 本文是技术方案介绍，没有公布离线或在线实验数据。