-
题名广告点击率预估的逐层残差交互网络
被引量：2
- 1
-
-
作者
尹云飞
龙连杰
黄发良
吴开贵
-
机构
重庆大学计算机学院
广西人机交互与智能决策重点实验室
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第3期575-588,共14页
-
基金
国家自然科学基金(61962038)
中央高校基本科研业务费项目(2022-CDJKYJH023)
广西人机交互与智能决策重点实验室开放基金项目(GXHIID2208)资助.
-
文摘
网络广告费的收取通常是以用户的点击次数来计算的,因此如何准确地预估点击率(CTR)是广告公司十分关心的问题.当前先进水平的方法集中在构建各种高阶特征交互模型来预估CTR,但是高阶特征交互会丢失低阶信息,尤其是丢失原始特征的信息.为此,本文提出一个新的逐层残差交互网络,它在每次交互时都考虑原始特征的引导作用,被命名为逐层残差交互网(LRIN).LRIN强调高阶特征交互应该建立在原始特征逐层交互的基础上.n阶特征交互由原始特征与n-1阶特征通过元素积运算得到.进而,本文引入了多尺度方法来设计注意力网络.受逐层交互的影响,注意力网络也被设计成多层,称之为逐层注意力网络.为了将二者结合起来,本文提出将逐层残差交互网络的输出作为逐层注意力网络的权重,由此形成了一种新的双网络训练模型.在多个benchmark数据集上的实验结果表明,LRIN的性能比当前先进的方法在Criteo数据集上平均提高1.24%,在Avazu数据集上平均提高2.16%,在MovieLens-1M数据集上平均提高了1.3%,在Book-Crossing数据集上平均提高了1.27%.
-
关键词
残差网络
逐层
特征交互
CTR预估
注意力
-
Keywords
residual network
layer-by-layer
feature interaction
CTR prediction
attention
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
