基于特征交互的点击率预测神经网络
机器学习
2020-06-11 v1 信息检索
机器学习
摘要
点击率(CTR)预测是计算广告与推荐系统中最重要且最具挑战性的任务之一。为了利用这些数据构建机器学习系统，对特征间的交互进行恰当建模十分重要。然而，许多现有工作以简单方式计算特征交互，例如内积与逐元素乘积。本文旨在充分利用特征间信息并提升深度神经网络在CTR预测任务中的性能。我们提出了一种基于特征交互的神经网络(FINN)，能够通过三维关系张量对特征交互建模。FINN在底层提供特征交互的表示，并利用神经网络的非线性对高阶特征交互建模。我们在CTR预测任务上将该模型与经典基线对比评估，结果表明我们的深度FINN模型优于其他SOTA深度模型如PNN和DeepFM。评估结果证明特征交互包含对更好CTR预测具有重要意义的信息，也表明我们的模型能有效学习特征交互并在真实数据集中取得更好性能。
引用
@article{arxiv.2006.05312,
title = {Feature Interaction based Neural Network for Click-Through Rate Prediction},
author = {Dafang Zou and Leiming Zhang and Jiafa Mao and Weiguo Sheng},
journal= {arXiv preprint arXiv:2006.05312},
year = {2020}
}
备注
10 pages, 5 figure. arXiv admin note: text overlap with arXiv:1905.09433 by other authors