推荐系统遇上深度学习(一三三)-[京东]搜索广告点击率预估中的候选商品隐式感知建模...

今天给大家分享京东的一篇CTR预估的论文，用于建模页面上下文（用户感知到的其他展示的item）对于目标item是否点击的影响。但是在精排阶段，往往采用point-wise预估的方式，准确的上下文信息是难以获取的，因此往往需要一个模拟的过程。接下来，我们一起看下本文提出的方法是怎么实现的吧。

1、背景

在搜索广告场景，所有的候选item往往都与用户的搜索关键词相关，而在用户的决策过程中，对于某个目标的item，用户往往会将其与其他的感知到的item进行比较。如果一个item相较于其他的item有突出的亮点，如更经济实惠，那么往往更能吸引用户的注意力，从而点击率更高。相比之下，如果一个item没有太多特色，往往很难吸引用户的注意力，则不容易被点击。

但是在精排阶段，往往采用point-wise的预估方式，用户感知到的上下文item信息是无法获取到的，需要采取一些方式进行模拟。为了解决这一问题，本文提出了CIM (Candidate Item Modeling)框架，包含Select、CIE和backbone三个模块，一起来看一下CIM框架的具体内容。

2、CIM框架介