基于乘积的神经网络用于用户响应预测
机器学习
2016-11-02 v1 信息检索
摘要
预测用户响应（如点击和转化）至关重要，已广泛应用于推荐系统、网络搜索和在线广告等众多 Web 应用中。这些应用中的数据大多是分类数据且包含多个字段；典型的表示方法是通过独热编码（one-hot encoding）将其转换为高维稀疏二进制特征表示。面对极端的稀疏性，传统模型挖掘数据浅层模式（即低阶特征组合）的能力可能受限。另一方面，由于特征空间巨大，深度神经网络等深度模型无法直接应用于高维输入。本文提出了一种带有嵌入层的基于乘积的神经网络（Product-based Neural Networks, PNN），用于学习分类数据的分布式表示；通过乘积层捕捉字段间类别的交互模式；并利用全连接层进一步探索高阶特征交互。我们在两个大规模真实世界广告点击数据集上的实验结果表明，PNN 在各种指标上均持续优于最先进（state-of-the-art）的模型。
引用
@article{arxiv.1611.00144,
title = {Product-based Neural Networks for User Response Prediction},
author = {Yanru Qu and Han Cai and Kan Ren and Weinan Zhang and Yong Yu and Ying Wen and Jun Wang},
journal= {arXiv preprint arXiv:1611.00144},
year = {2016}
}
备注
6 pages, 5 figures, ICDM2016