点击率预测中的特征表示学习：综述与新视角
信息检索
2023-02-07 v1
摘要
表示学习一直是机器学习中的一个关键课题。在点击率预测中，大多数特征被表示为嵌入向量，并与模型中的其他参数同时学习。随着 CTR 模型的发展，特征表示学习已成为一个热门话题，近年来受到工业界和学术界研究人员的广泛研究。本综述旨在从更广阔的视角总结特征表示学习，并为未来研究铺平道路。为实现这一目标，我们首先围绕两个主要问题提出当前特征表示学习研究方法的分类法：(i) 表示哪些特征，以及 (ii) 如何表示这些特征。然后，我们针对这两个问题详细描述了每种方法。最后，综述以对该领域未来方向的讨论作结。
引用
@article{arxiv.2302.02241,
title = {Feature Representation Learning for Click-through Rate Prediction: A Review and New Perspectives},
author = {Fuyuan Lyu and Xing Tang and Dugang Liu and Haolun Wu and Chen Ma and Xiuqiang He and Xue Liu},
journal= {arXiv preprint arXiv:2302.02241},
year = {2023}
}
备注
Submitted to IJCAI 2023 Survey Track