用于点击率预测的场感知神经因子分解机
机器学习
2019-02-26 v1 机器学习
摘要
推荐系统并计算广告已从商业应用领域逐渐进入学术研究范畴。点击率预测是核心研究问题之一，因为其预测精度影响着用户体验以及商家与平台的收益。特征工程对提升点击率预测十分重要。传统特征工程严重依赖人工经验，难以构造出能描述数据中隐含复杂模式的特征组合。本文结合传统特征组合方法与深度神经网络，实现自动特征组合以提升点击率预测精度。我们提出一种称为“场感知神经因子分解机”（FNFM）的机制。该模型可像场感知因子分解机那样具备强大的二阶特征交互学习能力，在此基础上，使用深度神经网络进行更高阶的特征组合学习。实验表明，该模型比当前的深度学习特征组合模型（如DeepFM、DCN和NFM）具有更强的表达能力。
引用
@article{arxiv.1902.09096,
title = {Field-aware Neural Factorization Machine for Click-Through Rate Prediction},
author = {Li Zhang and Weichen Shen and Shijian Li and Gang Pan},
journal= {arXiv preprint arXiv:1902.09096},
year = {2019}
}