Combining Feature Importance and Bilinear feature Interaction for CTR Prediction (FiBiNET)

最新推荐文章于 2023-04-24 10:41:49 发布
最新推荐文章于 2023-04-24 10:41:49 发布
阅读量702 收藏 1
点赞数
分类专栏： Recommendation System
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ChristineC_/article/details/104482994
版权
FiBiNET模型结合了Squeeze-Excitation Network（SENET）来动态学习特征的重要性，同时利用双线性函数进行特征组合学习。模型结构包括SENET层、双线性交互层和组合层。SENET层通过最大池化或平均池化获取全局信息，然后用2个全连接层调整权重。双线性交互层则采用不同方式处理特征组合，如共享参数矩阵、特征组独立矩阵或特征对独立矩阵。该模型旨在提升点击率（CTR）预测的准确性。
摘要由CSDN通过智能技术生成

时间：2019.05

作者：Tongwen Huang, Zhiqi Zhang, Junlin Zhang

 

Abstract

文中使用Squeeze-Excitation Network（SENET）动态学习特征的重要性，并且使用bilinear function学习特征组合

 

Model Structure

        

SENET Layer

  • Squeeze：用max/average pooling学习每一维特征的全局信息
  • Excitation：用2个全连接层学习权重                                          
  • Re-weight:                                                                                        
最低0.47元/天 解锁文章
ChristineC_
关注
专栏目录
FiBiNET：结合特征重要性和双线性特征交互进行CTR预估
浅梦的学习笔记
07-10 6021
简介 今天主要介绍新浪微博机器学习团队发表在RecSys19上的一项工作。 文章标题为 FiBiNET: Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction 文章指出当前的许多通过特征组合进行CTR预估的工作主要使用特征向量的内积或哈达玛积来计算交叉特征，这种...
深度解析论文FiBiNET: Combining Feature Importance and Bilinear Feature Interaction for Click-Through Rate
qq_36013952的博客
12-22 668
CEPR: A Collaborative Exploration and Periodically Returning Model for Location PredictionAbstractQuestionMethodModelContributionAnswer Abstract Question ①目前的很多研究都是用Hadamard product、inner product等简单的方法来计算特征交互，对特征的重要性关注较少。 ②不同的特征对目标任务有不同的重要性。例如，当我们预测一个人的收入时
TFNet: Multi-Semantic Feature Interaction for CTR Prediction 论文简读
珍妮的选择的博客
10-28 1213
TFNet: Multi-Semantic Feature Interaction for CTR Prediction 论文简读 TFNet 文章信息 文章标题: TFNet: Multi-Semantic Feature Interaction for CTR Prediction 发表时间: Tencent, SIGIR 2020 主要内容 本文介绍了 Tensor-based Feature interaction Network (TFNet) 模型, 它引入了一个 operating ten
FiBiNET-学习
banshizhao6963的博客
08-09 249
Our main contributions are listed as follows: •Inspired by the success of SENET in the computer vision field, we use the SENET mechanism to learn the weights of features dynamically. •...
浅谈 CTR 预估模型发展史
Paper weekly
04-13 691
©PaperWeekly 原创 ·作者｜Zhang学校｜上海交通大学硕士生研究方向｜深度学习、自然语言处理背景介绍Click Through Rate (CTR) Predictio...
深度学习在CTR预估中的应用
hestendelin的专栏
06-15 1009
Deep Learning for Click-Through Rate EstimationWeinan Zhang, Jiarui Qin, Wei Guo, Ruiming Tang...
ctr相关论文笔记
sinat_41679123的博客
03-22 390
ctr相关2015~2021年论文，包含： 特征交叉相关
深度推荐模型——FiBiNet[RecSys 19][Weibo]
03-13 418
2、传统的特征交叉方式广泛采用了内积和哈达玛积，而这两种方式在稀疏数据上很难有效对特征交叉进行建模。作者认为模型需要学习不同特征的一个重要程度，对重要特征加权，对蕴含信息量不多的特征进行削弱。
FiBiNET总结
ShangYT的专栏
08-15 1210
Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction 目录 本文主要工作 相关工作 本文的模型 实验 本文主要工作 （1）Our main contributions are listed as follows: • Inspired by th...
特征建模之FiBiNet
努力的小菜鸟的博客
03-19 464
推荐领经典CTR模型
RecSys19 | FiBiNET：结合特征重要性和双线性特征交互进行 CTR 预估
Oner.wv的专栏
07-14 638
点击上方“AI派”，选择“设为星标”最新分享，第一时间送达！文章作者：沈伟臣 阿里巴巴算法工程师编辑整理：Hoh Xil出品社区：DataFun注：欢迎转载，转载请注明出...
AI上推荐 之 FiBiNET模型(特征重要性选择与双线性特征交叉)
Miracle8070
07-03 5832
1. 写在前面 从五月份的xdeepFM到现在，已经有一个多月的时间没有与推荐模型相关的paper了，说好的"小步快跑"呢？ 来到公司实习之后， 更一直抽不出时间来更新这个系列。不过，最近这段时间， 由于开始接触实际场景下的推荐小项目， 而实习生的话一般要从模型上手，所以这一周终于又有了时间开始玩推荐模型，并进行相应的魔改。 当然，来实习之后， 从前辈们的以及周围伙伴的交流中悟出了一个真理，在推荐系统甚至其他领域(CV,NLP)等，模型都只是工具而已，遇到问题解决问题的方法和策略才是王道， 那么我为啥还要坚
FiBiNet 网络介绍与源码浅析
珍妮的选择的博客
09-30 905
FiBiNet 网络介绍与源码浅析 前言 (与主题无关, 可以忽略) 我知道这有点不太厚道, 文章不写全就发出来, 但最近真的很忙, 同时给自己立了 9 月再写一篇博客的 Flag~ 可是这个月只写了一篇 ???????????? 今晚是 9 月 30 日, 月色很美 … (猜测的, 毕竟明日中秋和国庆一起过; 走路忘了抬头看看夜空, 忧桑~). 虽然下班较早, 但心事重重, 不到最后一刻不动笔. 因此现在先扯一点前言, 后续一定会以全副精力来完成 Flag! 我最近可是看了很多 paper 的, 可以乘着
【Paper Note】FiBiNet论文详解
roguesir的博客
06-26 559
FiBiNET: Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction论文详解
深度学习 - 42.特征交叉与 SENET、Bilinear Interaction 与 FiBiNet
最新发布
BITDDD小栈
04-24 1373
新的特征重要性和双线性特征交叉网络 FiBiNet 模型论文笔记。
一种能自动抽取特征与特征interaction重要性的CTR模型
guoyuhaoaaa的博客
07-13 1517
今天的博客主要参考了2019年推荐系统顶会RecSys的paper《FiBiNET: Combining Feature Importance and Bilinear feature Interaction for Click-Through Rate Prediction》。该篇paper最大的创新点就是提出了一种自动提取特征重要性的结构SENET Layer 和提取特征之间交互重要性的结构B...
点击预估模型中的两种Attention方法
Tak-Wah Blog
05-10 795
1. 前言上文介绍了TensorFlow官方版的Attention API，本文讲解两个点击预估模型中用到的Attention方法。FiBiNet模型中的SENET Attentio...
Combining Prior Knowledge and Data for Robust Controller Design
04-02
Overall, combining prior knowledge and data is a powerful approach to robust controller design, as it allows the designer to leverage both physical principles and empirical data to design a controller...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值