Regression with Missing Values using Multitask Learning

Abstract

최근 온라인 광고 분야는 상업 광고 검색 엔진의 중요한 수익 모델로 각광받고 있다. 유저가 검색엔진에 쿼리를 입력할 때, 검색엔진은 쿼리와 상관관계가 높은 검색 결과를 유저에게 전달하고 또한 광고를 노출한다. 유저에게 쿼리와 유저 정보를 고려하여 적합한 광고를 전달하기 위하여 검색엔진은 두가지 정보를 동시에 고려해야만 한다. 처음으로 고려해야할 것은 쿼리 키워드에 대한 경매 가격이고 두번째는 광고의 계산된 클릭 확률이다. 우리는 여기에서 검색엔진이 광고를 유저에게 전달할때 주어진 쿼리, 광고, 유저의 정보를 고려하여서 최고의 광고를 전달하고자 한다. 따라서 이 정보를 종합적으로 분석하여 광고를 전달하려고 한다. 하지만 광고의 가격은 이미 정해진 것이기 때문에 광고의 클릭 확률에 대한 연구를 진행하도록 한다. 온라인 광고 시장에서는 주어진 쿼리, 유저, 광고 정보를 바탕으로 하여 클릭 확률 (CTR)을 예측하는 것이 매우 중요하다. 특히 이러한 주어진 정보에는 유효한 변수들이 대개 결측치 또는 사용하기 충분하지 못한 량의 정보를 포함하기 마련이다. 이러한 결측값들은 데이터 마이닝 알고리즘에 결정적인 성능 하락을 가져다 주기 때문에, 본 논문에서는 이러한 결측치를 포함한 데이터를 효율적으로 처리하기 위하여 멀티태스크 러닝 알고리즘을 도입하여 해결하도록 하였다. 우리는 주어진 데이터에서 두가지 그룹으로 분할하여 한가지는 결측값을 포함한 데이터, 다른 데이터는 결측값이 없는 깨끗한 데이터로 나누어서 학습하여 결측값을 효율적으로 다루었다.