面向深度稀疏网络的混合粒度特征交互选择
机器学习
2023-10-31 v2 信息检索
摘要
深度稀疏网络作为一种用于处理高维稀疏特征预测任务的神经网络架构被广泛研究，其中特征交互选择是关键组件。先前的方法主要关注如何在粗粒度空间中搜索特征交互，而对更细粒度的关注较少。在本工作中，我们引入了一种面向深度稀疏网络、同时针对特征域与特征值的混合粒度特征交互选择方法。为探索如此广阔的空间，我们提出了一种即时计算的分解空间。随后我们开发了名为 OptFeature 的选择算法，该算法高效地从特征域与特征值中同时选择特征交互。在三个大型真实基准数据集上的实验结果表明，OptFeature 在准确率与效率方面表现良好。额外的研究支持了我们所提方法的可行性。
引用
@article{arxiv.2310.15342,
title = {Towards Hybrid-grained Feature Interaction Selection for Deep Sparse Network},
author = {Fuyuan Lyu and Xing Tang and Dugang Liu and Chen Ma and Weihong Luo and Liang Chen and Xiuqiang He and Xue Liu},
journal= {arXiv preprint arXiv:2310.15342},
year = {2023}
}
备注
NeurIPS 2023 poster