本文是2022年的第一篇文章,给大家带来CIKM2021上中稿的一篇文章,提出了Deep Cross Attentional Product Network(以下简称DCAP),在显式建模高阶特征交互的基础上,引入自注意力机制来刻画不同交叉特征对于预测的重要性,一起来看一下。
1、背景
论文关注的如何通过特征建模,对用户的交互行为进行预测,如用户是否会点击某个广告,是否会对推荐内容产生兴趣等等,如下图所示:
从上图也可以看到,用户的特征往往是多域的离散特征,如国家、性别等。同时,对于交叉特征的建模在预测任务中是十分重要的。由于人工设计交叉特征费时费力,同时对于业务敏感度也有较高的要求,因此业界的研究大都关注如何进行自动化的交叉特征建模,从使用FM来建模二阶的交叉特征,到使用FM和DNN相结合的方法如DeepFM、NFM进一步建模二阶和更高阶的交叉特征。但上述的方法存在两方面的问题:
1)DNN对于交叉特征的建模是隐式的,可解释性差
2)得到的交叉特征,对于所有的样本都使用相同的权重,但对于不同的样本来说,不同的