计算机技术与发展2023，Vol.33Issue(11) ：196-201.DOI:10.3969/j.issn.1673-629X.2023.11.029

基于特征加权与自动交互的点击率预测模型

Click-through Rate Prediction Model Based on Feature Weighting and Automatic Interaction

陈海青 蔡江辉 杨海峰 贺艳婷
计算机技术与发展2023，Vol.33Issue(11) ：196-201.DOI:10.3969/j.issn.1673-629X.2023.11.029
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于特征加权与自动交互的点击率预测模型

Click-through Rate Prediction Model Based on Feature Weighting and Automatic Interaction

陈海青 1蔡江辉 1杨海峰 1贺艳婷1
扫码查看

作者信息

  • 1. 太原科技大学 计算机科学与技术学院,山西 太原 030024
  • 折叠

摘要

在大数据时代的点击率(Click-Through Rate,CTR)预测任务中,输入数据不仅数量多而且特征维度很高,在特征选择时容易出现信息干扰或丢失,在进行特征交互时不同的交互方式也会影响预测性能.针对该问题,文中提出了一种基于特征加权与自动交互的预测模型,用于学习原始特征权重并进行自动交互.首先,引入ECANet模块提出一种不降维的特征加权方法,该方法可以通过对k个相邻特征进行一维卷积有效实现.然后,分别用多头自注意网络和深度神经网络(DNN)去自动学习显式和隐式的特征交互.最后,将两者相结合进行预测,弥补了单一模型的缺陷.一方面,它能对输入特征进行重要性选择;另一方面,它能同时以显式和隐式的方式自动学习任意低阶和高阶的特征交互.通过在四个真实数据集上的实验,验证了其比以往的预测模型获得了更好的准确度.

关键词

点击率预测/特征交互/特征加权/深度神经网络/多头自注意网络

Key words

click through rate prediction/feature interaction/feature weighting/deep neural network/multi-head self-attention network

引用本文复制引用

基金项目

国家自然科学基金(U1931209)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量3
段落导航相关论文